Analisis Sentimen Pengguna Twitter terhadap Vaksinasi COVID-19 di Indonesia menggunakan Algoritme Random Forest dan BERT

Abstrak

Pandemi Covid-19 mendorong banyak pihak agar mampu beradaptasi dengan kondisi terkini. Salah satu program yang diluncurkan pemerintah agar dapat mengatasi penyebaran Covid-19 adalah dengan menjalankan progam vaksinasi. Agar dapat mengetahui animo masyarakat terkait program vaksinasi Covid-19 yang diluncurkan, perlu dilakukan analisis sentimen. Analisis sentimen pada umumnya dilakukan untuk mendapatkan informasi terkini dari korpus yang besar. Tujuan penelitian ini adalah melakukan analisis sentimen pengguna Twitter terhadap vaksinasi Covid-19 di Indonesia menggunakan Algoritme Random Forest dan Bidirectional Encoder Representation from Transformer (BERT). Tahapan penelitian yang dilakukan meliputi praproses data Twitter yang berkaitan dengan vaksinasi Covid-19, pelabelan sentimen, penanganan data yang tidak seimbang, pengklasifikasian dataset menggunakan algoritma Random Forest dan BERT, serta analisis dan evaluasi. Setelah dilakukan penanganan data yang tidak seimbang, hasil analisis sentimen pengguna Twitter terhadap vaksinasi Covid-19 di Indonesia menghasilkan akurasi sebesar 81%, F1-score sebesar 74%, presisi 76%, dan recall 74%. menggunakan algoritme Random Forest dan akurasi sebesar 82%, F1-score 79%, presisi 78%, dan recall 79%. menggunakan Algoritme BERT. Meskipun secara umum Algoritme BERT memiliki kinerja klasifikasi yang sedikit lebih baik dari Algoritme Random Forest, hasil simulasi menunjukkan bahwa algoritme Random Forest memiliki waktu komputasi yang signifikan lebih rendah dibandingkan dengan algoritme BERT pada kasus yang diujikan.