Analisis Sentimen Terhadap Vaksinasi Covid-19 di Indonesia Menggunakan Data Twitter

Abstract

Jenis baru virus corona ditemukan di Kota Wuhan, Tiongkok pada Desember 2019 dan terus menyebar ke seluruh dunia. Virus ini menyebabkan penyakit yang dinamakan Coronavirus Disease-19 (Covid-19). World Health Organization (WHO) telah menetapkan wabah ini sebagai pandemi global pada 11 Maret 2020. Salahsatu cara untuk menghentikan pandemi adalah dengan membentuk kekebalan komunitas yang bisa didapat melalui program vaksinasi. Program ini masih menimbulkan pro dan kontra pada awal pelaksanaannya di Indonesia. Masih banyak yang meragukan keamanan dan efek samping yang ditimbulkan dari vaksin. Penelitian ini membagi sentimen menjadi tiga kelas yaitu positif, negatif, dan netral. Proses pelabelan dilakukan secara manual dan kemudian dilakukan pemodelan menggunakan metode Bernoulli naive Bayes dan regresi logistik. Hasil penelitian menunjukkan Bernoulli naive Bayes menghasilkan model dengan performa lebih baik dan stabil dengan rataan nilai F1-score sebesar 0,63 dan simpangan baku 0,02. Mayoritas tweet pada tanggal 15 Januari 2021- 28 Januari 2021 memiliki sentimen netral. Banyaknya tweet dengan sentimen negatif mengalami tren penurunan setelah pekan pertama program vaksinasi. Topik yang sering dibicarakan pada tweet dengan sentimen negatif adalah mengenai hasil uji klinis dan efek samping dari vaksin.

A new variant of coronavirus was discovered in Wuhan, China on December 2019 and has spread to worldwide. This virus causes a disease called Coronavirus Disease-19 (Covid-19). World Health Organization (WHO) have stated Covid-19 as a global pandemic on March 11, 2020. One way to end this pandemic is to make herd immunity that can be obtained through the vaccination program. This program still raises pros and cons at the beginning of its implementation in Indonesia. Many people doubt the safety and side effects of the vaccine. This research divides sentiment into three classes: positive, negative, and neutral. The labelling process is done manually and modeled using Bernoulli naive Bayes and logistic regression. The result shows Bernoulli naive Bayes produces more good and stable model with 0.63 average F1-score and 0.02 standard deviation. The majority of tweet from January,15 2021 until January,28 2021 have neutral sentiment. There is a decreasing trend on negative sentiment after the first week of vaccination program. Frequently discussed topic for negative sentiment is about clinical trial results and side effect of vaccine.