Analisis Sentimen Pengguna Twitter terhadap Kinerja Pemerintahan Prabowo Setelah 100 Hari Menjabat dengan Metode Random Forest
Media sosial menjadi sarana utama masyarakat dalam menyampaikan opini terhadap kebijakan pemerintahan secara terbuka. Twitter, dengan lebih dari 24 juta pengguna aktif di Indonesia, kerap digunakan untuk merespons isu-isu publik secara real-time. Untuk mengetahui sentimen publik terhadap kinerja pemerintahan Prabowo Subianto sebagai Presiden Indonesia yang baru, diperlukan analisis terhadap opini yang tersebar di media sosial, khususnya Twitter. Namun, tantangan utama dalam analisis ini adalah keragaman ekspresi serta kompleksitas bahasa yang digunakan oleh pengguna. Oleh karena itu, pendekatan berbasis Machine Learning digunakan guna mengotomatisasi proses klasifikasi sentimen secara lebih akurat dan efisien. Penelitian ini bertujuan untuk membangun dan mengevaluasi model klasifikasi sentimen menggunakan algoritma Random Forest terhadap data tweet berbahasa Indonesia yang berkaitan dengan kinerja pemerintahan dalam 100 hari pertama masa jabatan. Metode yang digunakan meliputi crawling data, preprocessing, pelabelan semi-otomatis, ekstraksi fitur dengan TF-IDF, serta pelatihan model dengan berbagai variasi parameter. Hasil penelitian menunjukkan bahwa model terbaik diperoleh pada konfigurasi 200 pohon dan rasio data latih-uji 90:10 dengan akurasi sebesar 86,9% dan F1-score mencapai 88%. Berdasarkan hasil tersebut, algoritma Random Forest terbukti efektif dalam mengklasifikasikan sentimen secara otomatis. Dibandingkan dengan penambahan jumlah pohon, peningkatan proporsi data latih memberikan dampak yang lebih besar dalam meningkatkan performa klasifikasi.
No other version available