ANALISIS OPINI VAKSIN COVID-19 MENGGUNAKAN SVM BERBASIS PSO PADA DATA TWITTER

OPINION ANALYSIS OF COVID-19 VACCINE USING PSO BASED SVM ON TWITTER DATA

Infeksi yang disebabkan Sars-Cov-2 mengakibatkan pandemi penyakit pernafasan di seluruh dunia dan belum ada pengobatan yang pasti hingga saat ini. Pemberian vaksin adalah salah satu intervensi untuk mencegah penyakit ini. Di Indonesia, pemerintah mewajibkan untuk melakukan vaksinasi. Pemberian vaksin ini mendapatkan banyak tanggapan dari berbagai kalangan masyarakat. Efektivitas dan efek samping pasca pemberian vaksin serta status penggunaan darurat pada vaksin menjadi salah satu yang menjadi pro-kontra di masyarakat. Hal-hal tersebut yang melandasi penelitian ini sangat perlu untuk dilakukan. Penelitian akan memfokuskan pada analisis sentimen tentang vaksin COVID-19 dengan algoritma SVM. Namun, algoritma ini mempunyai kelemahan dalam pemilihan fitur parameter yang menyebabkan penurunan kinerja dari model yang dibangun. Penerapan fitur Particle Swarm Optimization (PSO) dapat ditambahkan untuk melakukan optimasi dengan pemilihan dan penyetingan fitur parameter. Berkaitan dengan dataset, penelitian ini membagi kedalam 2 sentimen yaitu positif dan negatif. Data yang digunakan berasal dari media sosial twitter dengan pencarian tweet yang mengandung kata vaksin COVID-19 sebanyak 646 tweet yang telah dipilih dengan opini positif sebanyak 57,93% dan negative sebanyak 42,07%. Pengujian dilakukan dengan 2 cara yaitu dengan split dan cross-validation. Pada pengujian cross-validation, penelitian ini menghasilkan akurasi yang tinggi pada K=15. Berturut-turut level akurasi dari SVM dan SVM-PSO adalah sebesar 76,52% dan 80,63%. Hasil akurasi tertinggi pada teknik split dicapai dengan rasio 1:9. Level akurasi pada SVM dan SVM-PSO, berturut-turut, adalah sebesar 83.30% dan 84.80%. Hal ini mengindikasikan bahwa penerapan PSO pada SVM mampu menaikkan level akurasi sebesar 4,11% dan 1,5% dengan pengujian cross-validation dan split, secara berturut-turut.

Infections caused by Sars-Cov-2 are causing a worldwide respiratory disease pandemic and there is no definitive treatment to date. Vaccination is one of the interventions to prevent this disease. In Indonesia, the government requires vaccination. The provision of this vaccine has received a lot of responses from various circles of society. The effectiveness and side effects of post-vaccine administration and the status of emergency use of vaccines are among the pros and cons in the community. These things that underlie this research is very necessary to be done. The research will focus on analyzing sentiment about the COVID-19 vaccine with the SVM algorithm. However, this algorithm has a weakness in the selection of parameter features which causes a decrease in the performance of the built model. The application of the Particle Swarm Optimization (PSO) feature can be added to perform optimization by selecting and setting parameter features. Regarding the dataset, this study divides into 2 sentiments, namely positive and negative. The data used comes from Twitter social media with a search for tweets containing the word COVID-19 vaccine as many as 646 tweets that have been selected with positive opinions as much as 57.93% and negative opinions as much as 42.07%. Testing is done in 2 ways, namely by split and cross-validation. In cross-validation testing, this study resulted in high accuracy at K=15. The accuracy levels of SVM and SVM-PSO are 76.52% and 80.63%, respectively. The highest accuracy results in the split technique are achieved with a ratio of 1:9. The accuracy levels for SVM and SVM-PSO, respectively, are 83.30% and 84.80%. This indicates that the application of PSO to SVM can increase the level of accuracy by 4.11% and 1.5% with cross-validation and split testing, respectively.