ANALISIS KOMBINASI ALGORITMA LATENT SEMANTIC INDEXING (LSI) DAN NAIVE BAYES PADA SENTIMEN MASYARAKAT TERHADAP PANDEMI COVID-19

Abstract

Coronavirus disease 2019 (COVID-19) saat ini telah menjadi sebuah pandemik yang menyebar ke seluruh dunia dengan sangat cepat, termasuk Indonesia. Di Indonesia sendiri pasien yang terinfeksi COVID-19 telah menyebar ke 34 Provinsi dan 432 Kabupaten/Kota dengan total 1,511,712 terkonfirmasi covid-19. Hal ini telah mengganggu berbagai sektor dalam negara termasuk perekonomian. Kondisi ini membuat pemerintah pusat maupun daerah mengeluarkan berbagai kebijakan untuk mencegah penyebaran COVID-19. Latent Semantic Indexing. Metode Latent Semantic Indexing adalah metode yang diimplementasikan di dalam IR system dalam mencari dan menemukan informasi berdasarkan makna keseluruhan (conceptual topic atau meaning) dari sebuah dokumen bukan hanya makna kata per kata. Naive bayes merupakan pengklasifikasian dengan metode probabilitas dan statistik, algoritma naïve bayes dapat dimanfaatkan dalam bidang keilmuan salahsatunya yaitu memprediksi peluang di masa depan berdasarkan pengalaman dimasa sebelumnya. Hasil dari penelitian ini diharapkan untuk memberikan saransecara aktif melalui media sosial dengan pemangku kebijakan di Indonesia terkait isu berkembang dan dampak kepada masyarakat. Dari Kombinasi algoritma algoritma Latent Semantic Indexing (LSI) dan Naive Bayes terdapat kinerja identifikasi dengan cukup baik. Memiliki akurasi yang cukup tinggi yaitu sebesar 88,6% dan persentase error sebesar 11,4 %. Dari 150 data testing, terdapat 17 kesalahan identifikasi dimana data input sebagai data uji memiliki kemiripan terhadap satu data dengan data lainnya.