PENERAPAN N-GRAM MENGGUNAKAN ALGORITMA RANDOM FOREST DAN NAÏVE BAYES CLASSIFIER PADA ANALISIS SENTIMEN KEBIJAKAN PPKM 2021

IMPLEMENTATION OF N-GRAM USING RANDOM FOREST ALGORITHM AND NAÏVE BAYES CLASSIFIER IN SENTIMENT ANALYSIS OF PPKM 2021 POLICY

Kebijakan PPKM merupakan kebijakan terbaru yang dikeluarkan oleh pemerintah pada Januari 2021 untuk menangani permasalahan pandemi Covid-19. Perancangan dan penerapan Kebijakan PPKM dilakukan dengan tujuan yang utama yaitu untuk kepentingan sektor kesehatan dan ekonomi. Adanya penerapan kebijakan ini tentu sangat berdampak dan mempengaruhi aktivitas masyarakat sehari-hari. Pada era saat ini, dimana internet berkembang meningkat pesat terutama pada penggunaan media sosial tentunya kebijakan tersebut sangat memicu tanggapan para pengguna media sosial khususnya Instagram, dimana saat ini salah satu media sosial populer adalah Instagram yang digunakan oleh semua kalangan selain twitter, facebook, dan lain-lain. Tanggapan para pengguna media sosial Instagram terhadap penerapan Kebijakan PPKM 2021 dapat dikelompokkan menjadi sentimen yang berlabel positif, negatif atau netral dengan melakukan analisis sentimen yaitu menggunakan text mining. Penggunaan N-Gram diterapkan sebagai fitur ekstraksi dengan menggunakan jenis Unigram, Bigram, dan Trigram dan pada tahap klasifikasi menggunakan metode Random Forest (RF) dan Naïve Bayes Classifier (NBC). Penerapan metode pada penelitian ini bertujuan untuk membandingkan hasil nilai akurasi dari penerapan N-Gram dengan menggunakan metode Random Forest (RF) dan Naïve Bayes Classifier (NBC). Proses pengklasifikasiaan menggunakan Random Forest (RF) diperoleh hasil accuracy terbaik dari penggunaan Unigram yaitu sebesar 99.5%. Sedangkan hasil precision, recall dan f1-score yang dihasilkan oleh Random Forest (RF) bernilai sama yaitu sebesar 100%. Pada proses pengklasifikasian menggunakan Naïve Bayes Classifier diperoleh hasil accuracy terbaik dari penggunaan Unigram juga yaitu sebesar 97.9% dengan nilai precision, recall dan  f1-score sebesar 98%. Dari perbandingan hasil pada pengujian tersebut dapat disimpulkan bahwa penerapan ketiga N-Gram berhasil ­dalam mempengaruhi dan meningkatkan hasil akurasi dari penggunaan kedua algoritma tersebut pada penelitian ini.

The PPKM policy is the latest policy issued by the government in January 2021 to handling of the Covid-19 pandemic problem. The implementation of this policy certainly has a profound impact and affects people's daily activities. In the current era, where the internet is growing rapidly, especially in the use of social media, of course this policy has greatly triggered responses from social media users, especially Instagram, where currently one of the popular social media is Instagram which is used by all groups other than Twitter, Facebook, etc. The responses of Instagram social media users to the implementation of the 2021 PPKM Policy can be grouped into sentiments that are labeled positive, negative or neutral by conducting a sentiment analysis using text mining. The use of N-Gram is applied as feature extraction using Unigram, Bigram, and Trigram types and at the classification stage using the Random Forest (RF) and Naïve Bayes Classifier (NBC) methods. The application of the method in this study aims to compare the results of the accuracy value of the application of N-Gram using the Random Forest (RF) and Naïve Bayes Classifier (NBC) methods. The application of the method in this study aims to compare the results of the accuracy value of the application of N-Gram using the Random Forest (RF) and Naïve Bayes Classifier (NBC) methods. The classification process using Random Forest (RF) obtained the best accuracy results from using Unigram, which is 99.5%, meanwhile, the results of precision, recall and f1-score generated by Random Forest (RF) have the same value of 100%. In the classification process using the Naïve Bayes Classifier, the best accuracy results from using Unigram are also 97.9% with the precision, recall and f1-score values of 98%. From the comparison of the results on this test, it can be concluded that the application of the three N-Gram is successful in influencing and increasing the results of the accuracy of the use of the two algorithms in this study.