ANALISIS SENTIMEN COVID 19 BERDASARKAN KOMENTAR PADA MEDIA SOSIAL TWITTER MENGGUNAKAN PHYTON
Abstract
ABSTRAK
Berdasarkan data yang diperoleh (JHU, 2020), per 15 Maret 2020, epidemi COVID-19 telah mencapai 1.986.986 kasus, jumlah orang yang terinfeksi mencapai 1.986.986, dan jumlah kematian mencapai 126.812. Di Indonesia sendiri tercatat 4.839 kasus dengan 459 kematian per 15 April 2020 (BNPB, 2020). Efek COVID-19 yang meluas, menimbulkan kekhawatiran yang sangat tinggi bagi kehidupan masyarakat. Analisis sentimen digunakan untuk menganalisis komentar individu pengguna Twitter terkait Covid19 dengan menggunakan tagar seperti #coronavirus dan #covid19. Tujuan dari penelitian ini adalah untuk menganalisis suasana hati berdasarkan pendapat individu dan mengklasifikasikannya menjadi komentar positif, netral dan negatif. Data diproses menggunakan tweet dari Twitter API dan diproses, dianalisis dan divisualisasikan sebagai tweet menggunakan Python. Tweet yang diterima diproses terlebih dahulu untuk mengambil data tweet, yang digunakan untuk data selanjutnya. Tahapan pra-pemrosesan yang dilakukan meliputi pembersihan, reduksi data, integrasi data, dan proses konversi data. Hasil yang diperoleh menunjukkan bahwa polaritas emosi yang digunakan dapat memberikan informasi dan mengolah data sesuai dengan komentar dari masing-masing komunitas dengan nilai polaritas tertinggi pada status netral 58,94% yaitu polaritas status positif sebesar 33,68% dan negatif 7,36%.
Kata kunci: Analysis, Sentimen, Twitter, Phyton, Preprocessing.
ABSTRACT
Based on data obtained (JHU, 2020), as of March 15, 2020, the COVID-19 epidemic has reached 1,986,986 cases, the number of infected people has reached 1,986,986, and the death toll has reached 126,812. In Indonesia alone, there were 4,839 cases with 459 deaths as of April 15, 2020 (BNPB, 2020). The widespread effects of COVID-19 have caused very high concern for people's lives. Sentiment analysis is used to analyze individual Twitter users' comments regarding Covid19 using hashtags such as #coronavirus and #covid19. The purpose of this study was to analyze moods based on individual opinions and classify them into positive, neutral and negative comments. The data is processed using tweets from the Twitter API and processed, analyzed and visualized as tweets using Python. Received tweets are processed first to retrieve tweet data, which is used for further data. The pre-processing stages include cleaning, data reduction, data integration, and data conversion processes. The results obtained indicate that the emotional polarity used can provide information and process data according to comments from each community with the highest polarity value at neutral status 58.94%, namely positive status polarity 33.68% and negative 7.36%.
Keywords: Analysis, Sentimen, Twitter, Phyton, Preprocessing.
