Pemberlakuan Pembatasan Kegiatan Masyarakat (PPKM) merupakan sebuah tindak lanjut dari instruksi Presiden Republik Indonesia terkait Darurat Corona Virus Desease (COVID-19) di wilayah Jawa dan Bali. Pemberlakuan Pembatasan Kegiatan Masyarakat (PPKM) oleh pemerintah negara Indonesia menuai banyak tanggapan masyarakat terutama pengguna media sosial twitter. Reaksi – reaksi yang timbul berupa tweet dan komentar yang ditulis oleh para pengguna twitter. Dalam tulisan – tulisan yang dikirim, terdapat berbagai sentimen atau opini masyarakat, baik yang berupa opini positif seperti seperti mendukung kebijakan pemerintah, dan terdapat pula opini negatif seperti mengkritik bahkan tidak menyetujui Pemberlakuan Pembatasan Kegiatan Masyarakat (PPKM) tersebut. Untuk mengetahui tweet pada twitter termasuk tanggapan positif atau negatif, maka dapat digunakan sebuah analisis sentimen.rnDalam penelitian ini terdapat tahapan preprocessing data yang digunakan, antara lain: Cleansing, Tokenizing, Case Folding, Konversi Slangword, Stemming, dan Stopword. Untuk mengklasifikasikan sentimen dari masyarakat menggunakan metode naive bayes, kemudian metode Principal Component Analysis untuk seleksi fitur dan metode TF-IDF untuk pembobotan setiap kata. Naive bayes merupakan metode untuk mengklasifikasikan teks menggunakan perhitungan probabilitas dan juga statistik. Hasil dari penelitian ini menunjukan bahwa algoritma Naive Bayes Classifier cukup baik dalam model pengklasifikasian data teks dengan menghasilkan nilai akurasi mencapai 77%.


Deskripsi Lain

The implementation of Community Activity Restrictions (PPKM) is a follow-up to the instructions of the President of the Republic of Indonesia regarding the Corona Virus Disease (COVID-19) Emergency in the Java and Bali regions. The implementation of Community Activity Restrictions (PPKM) by the Indonesian government has drawn a lot of public response, especially Twitter social media users. The reactions that arise are in the form of tweets and comments written by twitter users. In the posts sent, there are various public sentiments opinions, both in the form of positive opinions such supporting government policies, and there are also negative opinions such criticizing and even disapproving of the Implementation of the Community Activity Restrictions (PPKM). To find out tweets on Twitter, including positive negative responses, a sentiment analysis can be used.rnIn this study there are stages of preprocessing the data used, including: Cleansing, Tokenizing, Case Folding, Slangword Conversion, Stemming, and Stopword. To classify the sentiments of the public using the Naive Bayes method, then the Principal Component Analysis method for feature selection and the TF-IDF method for the weighting of each word. Naive Bayes is a method for classifying text using probability calculations and statistics. The results of this study indicate that the Naive Bayes Classifier algorithm is quite good in the text data classification model by producing an accuracy value of 77%.

• ANALISIS SENTIMEN PENGGUNAAN VAKSIN COVID 19 DI INDONESIA MENGGUNAKAN METODE K-NEAREST NEIGHBOR (KNN)
• KLASIFIKASI TANAMAN PANGAN BERDASARKAN KONDISI LAHAN PERTANIAN MENGGUNAKAN METODE RANDOM FOREST
• SISTEM REKOMENDASI WISATA KABUPATEN BANGKALAN MENGGUNAKAN ITEM-BASED COLLABORATIVE FILTERING DENGAN USER PROFILE FILTER
• KLASIFIKASI STATUS PEROKOK MENGGUNAKAN METODE K-NEAREST NEIGHBORS
• Klasifikasi Komentar Toxic Pada Sosial Media Menggunakan Model Long Short Term Memory (LSTM)

• Sistem Analisis Sentimen Produk Telkomsel dari Opini Twitter Berbahsa Indonesia Menggunakan Metode Naive Bayes Classifier
• Prediksi Ketepatan Kelulusan Mahasiswa Menggunakan Algoritma C5.0
• REKOMENDASI DENAH TATA LETAK BARANG MENGGUNAKAN METODE ASSOCIATION RULE BERBASIS MULTIPLE MINIMUM SUPPORT (Studi Kasus: El Malik Swalayan)
• Analisis Dampak Penerapan Metode Diskretisasi Data terhadap Performa Diagnosis Penyakit Liver Berbasis K-Nearest Neighbor
• Penerapan Data Mining Pada Market Basket Analysis dengan Metode Algoritma Apriori Association Rules