<![CDATA[Pemindahan ibu kota Indonesia ke Provinsi Kalimantan Timur menuai beberapa pendapat warga negara di Twitter. Penelitian sentiment analysis dilakukan untuk mengetahui respon tweet terkait pemindahan ibu kota Indonesia setelah disahkannya Undang-Undang IKN serta perbandingan jumlah tweet positif, negatif dan netral. Selain itu juga dapat mengetahui tingkat kinerja yang dihasilkan oleh metode Random Forest dengan berbagai skenario yang diuji. Pada penelitian sebelumnya yang serupa dilakukan menggunakan metode naïve bayes, lexicon, SVM, NBC, neighbor weighted K-NN, random forest dan logistic regression. Pada penelitian tersebut menggunakan feature extraction yang dikombinasikan pada setiap model. Dari penelitian tersebut menghasilkan tingkat kinerja yang berbeda-beda dari model yang digunakan. Sentiment analysis termasuk text mining yang merupakan implementasi dari NLP. Metode TF-IDF digunakan untuk mengubah kata menjadi numerik dengan melakukan pembobotan. Random forest merupakan metode pembelajaran melalui pembangunan pohon (tree) keputusan dengan melalui serangkaian pelatihan. Metodologi penelitian yang dilakukan yaitu studi pustaka dan analisis dokumen dari 1.639 data tweet warga negara Indonesia. Hasil dari penelitian ini respon dari tweet diklasifikasikan mejadi positif, negatif dan netral. Perbandingan jumlah tweet positif didapatkan lebih tinggi dibandingkan dengan tweet negatif dan netral. Dan tingkat kinerja yang dihasilkan yaitu pada accuracy mencapai 76%, recall sebesar 70%, precision sebesar 69% dan f1-score sebesar 69%.]]>
