Analisis Sentimen Sosial Media terhadap Vaksinasi Covid Menggunakan NER
Keywords:
sentimen analisis, vaksin, machine learning, named entity recognition, deep learningAbstract
Seiring dengan berkembangangnya kualitas hidup manusia, virus menjadi lebih beraneka ragam, dan tidak jarang menimbulkan wabah yang merugikan masyarakat. Sampai saat ini, vaksinasi masih menjadi metode terdepan dalam mengatasi pandemi dengan varian virus baru. Untuk menjamin kelancaran program vaksinasi, pandangan positif dari masyarakat sangat dibutuhkan. Analisis sentimen ini dimaksudkan untuk mengukur tingkat kepercayaan masyarakat terhadap program vaksinasi, serta menguji kemampuan pembelajaran mesin Named Entitiy Recognition (NER) dalam mengklasifikasikan sentimen cuitan Twitter. Data penelitian diambil dari Twitter pada bulan Februari hingga April tahun 2025. Metode penelitian meliputi pengumpulan data, praproses data, pelatihan model, dan analisis. Dihasilkan kesimpulan bahwa mayoritas sentimen dari cuitan Twitter memiliki sentimen netral, dengan sedikit sentimen positif dan negatif yang jumlahnya relatif berimbang. Model NER yang digunakan mampu menghasilkan akurasi sebesar 83,02%. Saran untuk perbaikan yang dapat diambil adalah meningkatkan jumlah data cuitan hingga 50.000 data untuk memberikan set data latih yang lebih komprehensif sehingga model dapat mengklasifikasikan cuitan dengan efektif.
References
Arumsari, W., Desty, R. T., & Kusumo, W. E. G. (2021). Gambaran penerimaan vaksin COVID-19 di Kota Semarang. Indonesian Journal of Health Community, 2(1), 35–45. https://doi.org/10.31331/ijheco.v2i1.1682
Dalmenda, M. A., & Marta, R. (2024). Polarisasi dan pembentukan opini publik di media sosial selama PILKADA Sumatera Barat 2024. CARAKA: Indonesia Journal of Communication, 5(2), 205–214. https://doi.org/10.25008/caraka.v5i2.177
Hisan, U. K. (2022). Studi perilaku pencarian informasi kesehatan oleh Generasi Z terkait vaksinasi Covid-19. Media Informasi, 31(1), 44–54. https://doi.org/10.22146/mi.v31i1.4521
Izza, N. N., & Akbar, N. (2023). Uncovering halal label food purchase intention behavior in Indonesia: A Twitter analytics and SEM-based investigation. Jurnal Ekonomi Syariah Teori dan Terapan, 10(6), 551–570. https://doi.org/10.20473/vol10iss20236pp551-570
Mukazhanov, N., Yerimbetova, A., Turdalyuly, M., & Sakenov, B. (2024, October). Named entities recognition in Kazakh text by SpaCy NER models. In 2024 9th International Conference on Computer Science and Engineering (UBMK) (pp. 163–168). IEEE. https://doi.org/10.1109/UBMK63289.2024.10773475
Ponzio, F., Urgese, G., Ficarra, E., & Di Cataldo, S. (2019). Dealing with lack of training data for convolutional neural networks: The case of digital pathology. Electronics, 8(3), 256. https://doi.org/10.3390/electronics8030256
Rayyana, L. N. (2024). Analisis sentimen negatif terhadap brand Starbucks akibat pemboikotan melalui media sosial X (Periode 14 Februari–15 Maret 2024). Innovative: Journal of Social Science Research, 4(3), 1492–1503. https://doi.org/10.31004/innovative.v4i3.10599
Vindua, R., & Zailani, A. U. (2023). Analisis sentimen Pemilu Indonesia tahun 2024 dari media sosial Twitter menggunakan Python. JURIKOM (Jurnal Riset Komputer), 10(2), 479. https://doi.org/10.30865/jurikom.v10i2.5945
Yenmis, D., & Roem, E. R. (2022). Peran sosial media dalam penyebaran misinformasi tentang vaksinasi COVID-19. Jurnal Ranah Komunikasi (JRK), 6(1), 64–75. https://doi.org/10.25077/rk.6.1.64-75.2022
Zalyhaty, L. Q. (2021). TA: Analisis sentimen tanggapan masyarakat terhadap vaksin Covid-19 menggunakan algoritma Support Vector Machine (SVM) (Doctoral dissertation, Universitas Dinamika).
