Publication Search

Coronavirus (COVID-19) adalah penyakit menular yang disebabkan oleh virus SARS-CoV-2 . Data epidemiologi Dinas Kesehatan Provinsi DKI Jakarta, menyatakan terdapat 4265 orang dewasa dan anak dengan COVID-19 yang dirawat di 55 rumah sakit rujukan COVID-19 selama lima bulan pertama epidemi.Vaksin dianggap sebagai alat untuk pencegahan dari penyakit menular. Vaksinasi anak berkontribusi untuk menghentikan penyebaran COVID-19. Efikasi vaksin dalam mencegah mortalitas pada anak membuat peneliti tertarik melakukan penelitian mengenai gambaran cakupan vaksinasi COVID-19 pada pasien anak penderita COVID-19 terkonfirmasi di wilayah kerja Puskesmas Kecamatan Cempaka Putih. Penelitian cross-sectional ini bertujuan untuk melihat proporsi penerima vaksin COVID-19 pada anak yang terkonfirmasi COVID-19. Penelitian dilaksanakan di Puskesmas Kecamatan Cempaka Putih dengan mengambil data kasus anak COVID-19 dengan rentang usia 6-12 tahun. Berdasarkan hasil data yang didapatkan dari wilayah Kecamatan Cempaka Putih didapatkan bahwa Penelitian terdiri dari 366 responden dengan laki-laki 193 (52,7%) dan perempuan 173 (47,3%) serta rerata usia 9,52 (1,90) tahun. Tanda dan gejala COVID-19 umumnya adalah pilek (54,1%), batuk (57,4%),dan demam (44,2%), namun adapula yang datang tanpa gejala (38,5%). Jumlah anak terkonfirmasi COVID-19 yang belum menerima vaksinasi COVID-19 sebanyak 287 (78,4%) responden.  

Organisasi Kesehatan Dunia (WHO) secara resmi menyebut virus Covid-19 sebagai pandemi global, oleh karena itu semua negara di dunia berusaha meminimalkan dampak yang ditimbulkan oleh virus tersebut, yaitu dengan mengembangkan vaksin. Dalam konteks pandemi Covid-19, pemerintah Indonesia juga meminta dan mendorong masyarakat untuk turut serta mendukung vaksinasi, namun upaya tersebut sebenarnya memiliki kelebihan dan kekurangan, sehingga banyak masyarakat yang mengutarakan pendapatnya di jejaring sosial salah satunya Twitter. Penelitian ini bertujuan untuk mengetahui hasil penerapan analisis sentimen dan mengukur performansi algoritma Naïve Bayes Classifier (NBC) dan Support Vector Machine (SVM) terhadap data vaksin Covid-19 dengan cara mengklasifikasikan data tersebut ke dalam kelas positif dan negatif. Data tweet yang didapat kemudian dilakukan text preprocessing untuk mengoptimalkan pengolahan data. Terdapat 4 tahapan text preprocessing antara lain Case Folding, Tokenizing, Filtering, dan Stemming. Penelitian ini mengkaji kinerja Naïve Bayes Classifier (NBC) dan Support Vector Machine (SVM) dengan menambahkan teknik TF-IDF (Term Frequency-Inverse Document Frequency) yang bertujuan untuk memberikan bobot pada hubungan kata (term) sebuah dokumen. Kemudian melakukan splitting data yaitu membagi data training 80% dan data testing 20% dengan harapan mendapatkan model dengan performansi terbaik dan yang terakhir melakukan visualisasi data tweet dengan menggunakan Word Cloud agar bisa menarik sebuah kesimpulan. Hasil klasifikasi data tweet vaksin Covid-19 menggunakan algoritma Naïve Bayes Classifier mendapatkan nilai accuracy sebesar 81%, precision sebesar 80%, recall sebesar 99%, dan f1-score sebesar 89%, Sedangkan untuk algoritma Support Vector Machine mendapatkan nilai accuracy sebesar 87%, precision sebesar 88%, recall sebesar 96%, dan f1-score sebesar 92%.