ANALISIS SENTIMEN PADA TWITTER TERHADAP PENGGUNAAN ANTIBIOTIK DI INDONESIA DENGAN NAIVE BAYES CLASSIFIER

Sari

Saat ini, masih ditemukan perilaku yang salah dalam penggunaan antibiotik sehingga menjadi risiko terjadinya resistensi. WHO mencatat angka kematian akibat resistensi antibiotik sampai tahun 2014 sekitar 700.000 orang/tahun dan pada 2050 diperkirakan 10 juta jiwa/tahun. Hal ini terjadi karena kurangnya pengetahuan masyarakat tentang penggunaan antibiotik yang tepat.  Untuk mengetahui opini masyarakat tentang penggunaan antibiotik dengan cepat dapat dilakukan analisis sentimen dari media sosial. Melalui media sosial salah satunya Twitter, masyarakat memberikan beragam opini, sehingga dapat dibuat analisis sentimen terhadap penggunaan antibiotik di Indonesia yang diklasifikasikan menjadi 2 kelas yaitu positif dan negatif. Tujuan penelitian ini merancang sistem untuk analisis sentimen terhadap penggunaan antibiotik dari Twitter menggunakan metode pengklasifikasian berbasis machine learning, yaitu Naive Bayes Classifier. Dilakukan serangkaian tahapan yaitu pengumpulan data dari Twitter, preprocessing, proses klasifikasi dengan algoritma Naive Bayes Classifier, dan evaluasi performa. Dari hasil uji dengan 10-fold cross validation diperoleh nilai rata-rata akurasi 84% dengan rincian precission 88%, recall 81% dan f-measure 84%  dengan jumlah 200 tweet (100 negatif,100 positif) dibagi ke dalam data latih:data uji = 9:1. Disimpulkan bahwa metode Naive Bayes Classifier dapat diterapkan untuk melakukan analisis sentimen terhadap penggunaan antibiotik di Indonesia. Hasil analisis digunakan sebagai pertimbangan dalam menentukan strategi kampanye penggunaan antibiotik yang tepat.