Analisis Sentimen terhadap Aplikasi PeduliLindungi pada Jejaring Sosial Twitter Menggunakan Algoritma Naïve Bayes dan Seleksi Fitur Particle Swarm Optimization

Muhamad Hanif Razka; Theresiawati Theresiawati; Nurul Chamidah

doi:10.52958/iftk.v19i1.4688

Penulis

Muhamad Hanif Razka Universitas Pembangunan Nasional Veteran Jakarta
Theresiawati Theresiawati Universitas Pembangunan Nasional Veteran Jakarta
Nurul Chamidah Universitas Pembangunan Nasional Veteran Jakarta

DOI:

https://doi.org/10.52958/iftk.v19i1.4688

Kata Kunci:

PeduliLindungi, Analisis Sentimen, Twitter, Naïve Bayes, Particle Swarm Optimization

Abstrak

Aplikasi PeduliLindungi merupakan sebuah aplikasi resmi dari Kominfo yang bekerjasama dengan beberapa kementerian lainnya. Aplikasi ini bertujuan untuk membantu mencegah penyebaran virus COVID-19 karena selalu terhubung dengan penggunanya berdasarkan lokasi. Penelitian ini menggunakan data opini publik terhadap penggunaan aplikasi PeduliLindungi dari hasil tweets masyarakat menggunakan kata kunci seperti Peduli Lindungi, hastag #PeduliLindungi dan pengguna yang menyebutkan username @PLindungi. Pengambilan data dilakukan pada tanggal 13 Maret hingga 11 April 2022. Dalam penelitian ini memiliki tujuan untuk melakukan proses mengkategorikan sebuah data tweet menjadi sentimen bersifat positif dan negatif dan menggunakan algoritma Naïve Bayes untuk proses klasifikasinya kemudian menerapkan penggunaan seleksi fitur Particle Swarm Optimization untuk selanjutnya masuk ke dalam tahap evaluasi dengan confusion matrix guna melihat perbandingan akurasi penggunaan seleksi fitur bagi algoritma klasifikasi tersebut. Dan dari hasil pengujian menggunakan algoritma klasifikasi Naïve Bayes mendapatkan nilai akurasi sebesar 76.23%, Recall sebesar 76.78%, serta Precission sebesar 79.62%. Sementara penggunaan seleksi fitur Particle Swarm Optimization pada algoritma Naïve Bayes mendapatkan hasil terbaik pada proses iterasi PSO sebanyak 250 kali dengan peningkatan nilai akurasi menjadi 80.19% kemudian nilai recall menjadi 85.71% serta terdapat peningkatan pada precission menjadi 80%.

Referensi

PeduliLindungi, 2021, Available: https://www.pedulilindungi.id/#tentang

A. Faisal, Y. Alkhalifi, A. Rifai, dan W. Gata, ”Analisis Sentimen Dewan Perwakilan Rakyat Dengan Algoritma Klasifikasi Berbasis Particle Swarm Optimization,” JOINTECS (Journal of Information Technology and Computer Science), vol.5, no.2, pp.61, 2020 https://doi.org/10.31328/jointecs.v5i2.1362

M. Syarifuddin, “Analisis Sentimen Opini Publik Mengenai Covid-19 Pada Twitter Menggunakan Metode Naïve Bayes dan Knn,” Inti Nusa Mandiri, vol.15, no.1, pp.23–28, 2020.

V. K. S. Que, A. Iriani dan H. D. Purnomo, “Analisis Sentimen Transportasi Online Menggunakan Support Vector Machine Berbasis Particle Swarm Optimization,” Jurnal Nasional Teknik Elektro Dan Teknologi Informasi, vol.9, no.2, pp.162–170, 2020, https://doi.org/10.22146/jnteti.v9i2.102

F. Afshoh, “Analisa Sentimen Menggunakan Naïve Bayes,” Informatika, Program Studi Komunikasi, Fakultas Informatika, D A N Surakarta, Universitas Muhammadiyah, 12, 17.

Y. Cahyono, “Analisis Sentiment pada Sosial Media Twitter Menggunakan Naїve Bayes Classifier dengan Feature Selection Particle Swarm Optimization dan Term Frequency,” Jurnal Informatika Universitas Pamulang, vol.2, no.1, pp.14, 2017 https://doi.org/10.32493/informatika.v2i1.1500

S. N. J. Fitriyyah, N. Safriadi, dan E. E. Pratama, “Analisis Sentimen Calon Presiden Indonesia 2019 dari Media Sosial Twitter Menggunakan Metode Naive Bayes,” Jurnal Edukasi Dan Penelitian Informatika (JEPIN), vol.5, no.3, pp.279, 2019 https://doi.org/10.26418/jp.v5i3.34368

Karsito dan A. Taufiq, “Analisis Sentimen Terhadap Pemindahan Ibu Kota Pada Media Sosial Twitter Menggunakan Algoritma Naive Bayes Berbasis Particle Swarm Optimization,” SIGMA - Jurnal Teknologi Pelita Bangsa, vol.10, no.3, pp.173–182, 2020.