Analisis Sentimen Pendapat Masyarakat Mengenai Vaksin Covid-19 Pada Media Sosial Twitter dengan Robustly Optimized BERT Pretraining Approach
DOI:
https://doi.org/10.35143/jkt.v7i2.4782Kata Kunci:
covid-19, vaksin, NLP, sentiment, twitterAbstrak
Pada tanggal 11 Maret 2020, World Health Organization (WHO) resmi menetapkan COVID-19 sebagai pandemi global. Penyebaran virus ini sudah ada pada tahun 2019 lalu di kota Wuhan, China. Pemerintah resmi menetapkan Peraturan Presiden (PERPRES) tentang Pengadaan Vaksin dan Pelaksanaan Vaksinasi dalam Rangka Penanggulangan Pandemi Coronavirus Disease. Rencana kegiatan vaksinasi tersebut juga haruslah mempertimbangkan berbagai masukan, di antaranya adalah dengan melihat bagaimana respon dan opini masyarakat terhadap wacana vaksinasi tersebut. Dengan memanfaatkan data dari media sosial twitter, penelitian ini bertujuan untuk menganalisis respon masyarakat terhadap wacana vaksinasi dengan cara mengklasifikasikan respon tersebut ke dalam respon positif dan negatif. Selanjutnya juga akan dilakukan pengelompokkan opini masyarakat menggunakan model pre-trained Indonesian RoBERTa Base Sentiment Classifier untuk mengetahui sentimen dari topik vaksinasi Covid-19 yang dibahas oleh masyarakat. Hasil analisis menunjukkan bahwa masyarakat lebih banyak memberikan respon negatif terhadap wacana tersebut (24,7%) dibandingkan dengan respon positifnya (5,7%) dengan sisa respon netral (69,6%). Kata-kata bersentimen yang paling sering muncul juga mengindikasikan lebih banyak kata yang bersentimen negatif dibandingkan dengan kata yang bersentimen positif. Rata-rata hasil akurasi prediksi penerapan model pre-trainer pada label positif adalah 84%, Netral 97% dan Negatif 93%.Unduhan
Referensi
S. S. Al Jameel et al., “A Sentiment Analysis Approach to Predict an Individual’s Awareness of the Precautionary Procedures to Prevent COVID-19 Outbreaks in Saudi Arabia,†Int. J. Environ. Res. Public Health, vol. 18, no. 1, p. 218, 2020, doi: 10.3390/ijerph18010218
Liu C, Zhou Q, Li Y, Garner L V, Watkins SP, Carter LJ, et al. Research and Development on Therapeutic Agents and Vaccines for COVID-19 and Related Human Coronavirus Diseases. 2020
F. F. Rachman and S. Pramana, “Analisis Sentimen Pro dan Kontra Masyarakat Indonesia tentang Vaksin COVID-19 pada Media Sosial Twitter,†Indones. Heal. Inf. Manag. J., vol. 8, no. 2, pp. 100– 109, 2020
Wongso, W. (n.d.). w11wo/indonesian-roberta-base-sentiment-classifier Hugging Face. Retrieved from huggingface.co: https://huggingface.co/w11wo/indonesian-roberta-base-sentiment-classifier
A. Harun and D. P. Ananda, “Analisa Sentimen Opini Publik Tentang Vaksinasi Covid-19 di Indonesia Menggunakan Naïve Bayes dan Decision Treeâ€. 2021. Retrieved from https://journal.irpi.or.id/index.php/malcom/article/view/63/31
S. Christina, “Sarcasm in Sentiment Analysis of Indonesian Text: A Literature Reviewâ€. 2019. Retrieved from https://media.neliti.com/media/publications/294966-sarcasm-in-sentiment-analysis-of-indones-bd55d2e2.pdf
Peraturan Presiden (PERPRES) Nomor 99 Tahun 2020
K. Rajeswari and P. Shanthibala, "Recognization of Sarcastic Emotions of Individuals on Social Network," Int. J. Pure Appl. Math., vol. 118, no. 7, pp. 253-259, 2018
E. Lunando and A. Purwarianti, “Indonesian Social Media Sentiment Analysis with Sarcasm Detection,†J. Sarj, Inst. Teknol. Bandung Bid. Tek. Elektro dan Inform., 2013.
D. Hernikawati, “Kecenderungan Tanggapan Masyarakat Terhadap Vaksin Sinovac Berdasarkan Lexicon Based Sentiment Analysis,†J. IPTEK-KOM., 2021
Bing Liu.(2010). Opinion Mining. Departemen of Computer Science, University of Illinois at Chicago
Ronen Feldman. (2008). Applied Text Mining. Information Systems Department School Of Business Administration Hebrew University, Jerusalem
RoBERTa: Pendekatan Pra-pelatihan BERT yang Dioptimalkan dengan Kua
https://huggingface.co/w11wo/indonesian-roberta-base-sentiment-classifier
Matulatuwa, Febrilien Matresya, Eko Sediyono, and Ade Iriani. 2017. “Text Mining Dengan Metode Lexicon Based Untuk Sentiment Analysis Pelayanan PT. Pos Indonesia Melalui Media Sosial Twitter.†Jurnal Masyarakat Informatika Indonesia 2 (3): 52–65
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2021 Jurnal Komputer Terapan
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Penulis yang mempublikasikan naskah pada jurnal ini setuju tentang hal-hal berikut ini:
- Penulis memegang hak cipta untuk proses, prosedur, atau artikel yang dideskripsikan pada naskah dan memberikan hak kepada jurnal untuk pertama kali mempublikasikan naskah dibawah Creative Commons Attribution License yang memperbolehkan orang lain untuk menyebarkan hasil penelitian dengan pengakuan hak cipta penulis dan jurnal.
- Penulis memegang hak untuk mempublikasikan kembali semua atau sebagian hasil penelitian pada naskah lain tetapi tidak memberikan hak kepada pihak ketiga lain untuk mencetak dan mempublikasikan ulang hasil penelitian yang sama.
- Penulis diperbolehkan dan disarankan untuk menginformasikan naskah yang telah terbit secara online (seperti pada repository institusi atau website milik penulis) yang akan meningkatkan produktivitas rujukan dan sitasi dari naskah yang telah terbit.
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial-BerbagiSerupa 4.0 Internasional.
