RINGKASAN

Coronavirus Disease (COVID-19) merupakan penyakit yang disebabkan oleh virus corona jenis baru, yaitu Sars-CoV-2, yang merupakan salah satu virus yang berbahaya karena tingkat penyebarannya sangat mudah dan cepat. Untuk meminimalisir dampak dari COVID-19, pemerintah mengeluarkan kebijakan wajib vaksin. Namun, dengan adanya kebijakan tersebut menimbulkan Pro dan Kontra di kalangan masyarakat. Kebebasan berpendapat yang dilakukan oleh pengguna media social (twitter) membuat informasi menyebar dengan cepat. Salah satu metode yang mendukung konsep analisis opini pada teks dan mendukung dalam melakukan pemrosesan teks adalah analisis sentimen. Penelitian ini menggunakan algoritma Support Vector Machine (SVM) untuk klasifikasi data dan algoritma Particle Swarm Optimization (PSO) untuk optimasi parameter. Hasil validasi dan evaluasi menggunakan 3 k-fold cross validation menunjukkan bahwa PSO mampu mengoptimasikan parameter model SVM dengan performa sebelum diterapkan optimasi memiliki Accuray 95%, F1-measure 94,5%, Precision 93,8 %, Recall 96,1% setelah diterapkan optimasi parameter meningkat dengan performa Accuray 98,3 %, F1-measure 98,2%, Precision 98,1%, Recall 98,6% pada data 2 label. Sedangkan untuk data 3 label sebelum diterapkan optimasi parameter didapatkan persentase nilai Accuray 67,70 %, F1-measure 67,8,5%, Precision 70,4 %, Recall 67,5% dan setelah diterapkan optimasi parameter meningkat dengan persentase nilai Accuray 73,3 %, F1-measure 73,9%, Precision 76,9 %, Recall 73,2%.

Kata Kunci : COVID-19, Vaccination, Parameter Optimization, Support Vector Machine (SVM), Particle Swarm Optimization (PSO).