Abstrak

Beberapa bulan terakhir, penanganan COVID-19 menjadi salah satu permasalahan kompleks yang dihadapi oleh hampir seluruh negara di dunia. Menilik dari hal tersebut, pemerintah membentuk kebijakan guna mencegah semakin meluasnya penyebaran virus diantaranya Pembatasan Sosial Berskala Besar (PSBB), wajib masker, dan jam malam. Kebijakan tersebut mendapat tanggapan yang beragam, tidak terkecuali di media sosial seperti twitter. Berdaarkan hal tersebut, penelitian ini bertujuan untuk menganalisis sentimen publik dari cuitan Twitter mengenai penanganan COVID-19 di Indonesia. Adapun metode yang digunakan Naïve Bayes Classification karena memiliki algoritma yang sederhana dengan akurasi yang tinggi. Hasil penelitian menunjukkan, masyarakat lebih banyak memberikan sentimen negatif terhadap kebijakan penanganan COVID-19 khususnya PSBB, wajib masker, dan jam malam. Pada sentimen positif, tiga kata dengan frekuensi kemunculan terbanyak yaitu demo, jakarta, dan kerja. Sedangkan pada sentimen negatif yaitu jakarta, demo, dan orang. Kemunculan kata “demo” dan “jakarta” pada kedua sentimen menunjukkan bahwa tweet masyarakat mengenai kebijakan penanganan COVID-19 tidak lepas dari peristiwa/kejadian saat pengumpulan data dilakukan. Selain itu, tingginya frekuensi kata “jakarta” pada sentimen negatif juga menunjukkan bahwa pelaksanaan kebijakan penanganan COVID-19 di Jakarta belum dilaksanakan secara optimal. Berdasarkan hasil evaluasi, diperoleh tingkat akurasi klasifikasi sebesar 87,34%, sensitivitas sebesar 93,43%, dan spesifisitas 71,76% yang berarti metode ini sudah cukup baik.