TY - JOUR AU - Akbar, Bagus Muhammad AU - Akbar, Ahmad Taufiq AU - Husaini, Rochmat PY - 2021/12/30 Y2 - 2024/03/28 TI - Analisis Sentimen dan Emosi Vaksin Sinovac pada Twitter menggunakan Naïve Bayes dan Valence Shifter JF - Jurnal Teknologi Terpadu JA - j. teknologi terpadu VL - 7 IS - 2 SE - DO - 10.54914/jtt.v7i2.433 UR - https://journal.nurulfikri.ac.id/index.php/JTT/article/view/433 SP - 83-92 AB - <p>Vaksin Sinovac termasuk dalam berita tentang Covid-19 di dunia sejak awal tahun 2021. Informasi jenis vaksin ini memunculkan berbagai tanggapan publik yang tidak luput dari pro dan kontra. Melalui media sosial Twitter, masyarakat dunia juga menanggapi persoalan vaksin Sinovac sehingga kumpulan opini pada Twitter tersebut dapat dianalisis untuk mengetahui persentase sentimen dan emosi terhadap vaksin Sinovac. Dengan analisis sentimen dan emosi ini diharapkan dapat memberikan referensi yang bijak dan objektif meskipun informasi pro dan kontra masih beredar. Penelitian ini menggunakan aplikasi Rstudio untuk analisis sentimen melalui klasifikasi opini Twitter dengan metode Naïve Bayes dan Valence Shifter Lexicon. Untuk analisis emosi menggunakan klasifikasi dengan metode Naïve Bayes. Data penelitian merupakan kumpulan komentar Twitter berbahasa Inggris sebatas 2000 data terbaru dan terpopuler berdasarkan <em>keyword</em> Sinovac sejak 1 Februari 2021 dari seluruh pengguna Twitter di dunia. Hasil penelitian menunjukkan Naïve Bayes mengenali sebanyak 1433 (71,65%) sentimen positif, 403 (20,15%) sentimen negatif, dan 164 (8,2%) sentimen netral.  Sedangkan Valence Shifter Lexicon mengenali sebanyak 903 (45,15%) sentimen positif, 437 (21,85%) sentimen negatif, dan sentimen netral sebesar 660 (33%). Metode Naïve Bayes juga berhasil mengenali emosi dengan jumlah terbanyak yakni emosi campuran (<em>mixed</em>) 1727(86,35%) dan emosi <em>joy</em> (gembira) sebanyak 141 (7,05%).</p> ER -