Klasifikasi Sentimen pada Twitter Terhadap WHO Terkait Covid-19 Menggunakan SVM, N-Gram, PSO

摘要

Pada bulan Maret 2020 Organisasi Kesehatan Dunia (WHO) telah menetapkan Covid-19 sebagai pandemi global. Sebagai agensi khusus dari Perserikatan Bangsa-Bangsa yang bertanggung jawab terhadap kesehatan publik internasional, berbagai upaya telah dilakukan oleh WHO untuk meredam kecepatan penyebaran pandemi ini. Namun demikian, penanganan Covid-19 oleh WHO ini tidak lepas dari sejumlah kontroversi yang melahirkan kritik dan opini publik baik positif maupun negatif seperti yang dapat dilihat pada platform Twitter. Dari tweet ini dapat disarikan sentimen dan opini masyarakat dunia terhadap berbagai isu termasuk opini masyarakat dunia terhadap penanganan Covid-19 oleh WHO yang dikenal dengan analisis sentimen. Pada penelitian ini dibuat sebuah model classifier berbasis machine learning untuk menentukan opini atau sentimen tweet. Dataset yang digunakan merupakan tweet yang mengandung frase WHO dan Covid-19 pada periode 1 Maret 2020 hingga 6 Mei 2020 yang terdiri dari 4000 tweet dengan sentimen positif dan 4000 tweet dengan sentimen negatif. Penarikan tweet-nya dilakukan dengan memanfaatkan library Python GetOldTweets3. Sementara pelabelan terhadap tweet yang berhasil ditarik dilakukan dengan memanfaatkan library Valence Aware Dictionary and sEntiment Reasoner (VADER). Model classifier yang diajukan adalah dengan mengkombinasikan algoritma Support Vector Machine (SVM), N-Gram dan Particle Swarm Optimization (PSO). Evaluasi terhadap performa model classifier yang diajukan menggunakan nilai Akurasi, Presisi, Recall, dan Area Under ROC Curve (AUC). Berdasarkan eksperimen yang dilakukan, kombinasi antara SVM, N-gram (bigram), dan PSO menghasilkan performa yang cukup baik dalam mengklasifikasikan sentimen tweet dengan nilai Akurasi 0,755, Presisi 0,719, Recall 0,837, dan AUC 0,844.