<![CDATA[Motor XYZ mengeluarkan inovasi rangka motor yang diperkenalkan pada tahun 2019. Sekitar Agustus 2023, beredar rumor di media sosial yang menyatakan bahwa rangka tersebut mengalami karat, korosi, dan retak, menyebabkan kekhawatiran di kalangan masyarakat yang tentunya hal ini berpotensi merugikan reputasi merek XYZ. Sasaran utama dari studi ini adalah mengevaluasi pandangan masyarakat di platform Twitter pada Motor XYZ, khususnya pada perbincangan seputar isu rangka motor. Data yang digunakan merupakan data yang diambil teknik crawling dengan periode tweets dari Agustus hingga November 2023. Penelitian ini akan memanfaatkan analisis sentimen menggunakan word cloud, analisis tren dan distribusi, dan pembandingan lima algoritma machine learning, yakni Naïve Bayes, Decision Tree, Support Vector Machine, Logistic Regression, dan Random Forest. Penelitian ini bertujuan untuk mengidentifikasi algoritma dengan performa terbaik untuk mengategorikan tweets dan memberikan rekomendasi kepada Motor XYZ terkait reputasi merek dalam hubungannya dengan isu rangka motor. Hasil penelitian menunjukkan bahwa model klasifikasi sentimen dengan kinerja terbaik setelah hyperparameter tuning adalah Random Forest, dengan F1 score sebesar 0,765. Selain itu, rekomendasi yang dapat diberikan adalah meningkatkan kesadaran tentang pemeriksaan rangka gratis karena telah terbukti berdampak positif pada sentimen masyarakat di Twitter. Perlu ditekankan bahwa dalam penelitian ini tidak ada pertimbangan terhadap proses deployment model machine learning dan pembuatan dashboard. Selain itu, penelitian ini tidak menangani analisis reputasi atau sentimen merek di platform media sosial lain seperti TikTok atau Instagram. Abstract Motor XYZ introduced an innovative motorcycle frame in 2019. In August 2023, rumors began circulating on social media that these frames were experiencing rust, corrosion, and cracks. This caused public concern and potentially harmed the XYZ brand's reputation. This study aims to evaluate public opinion on Twitter regarding the motorcycle frame issue. Data was collected using crawling techniques from tweets posted between August and November 2023. We used sentiment analysis with word clouds, trend and distribution analysis, and compared five machine learning algorithms: Naïve Bayes, Decision Tree, Support Vector Machine, Logistic Regression, and Random Forest. The goal was to identify the best algorithm for categorizing tweets and provide recommendations to Motor XYZ about their brand reputation concerning the frame issue. Results showed that the Random Forest model, after hyperparameter tuning, had the best performance with an F1 score of 0.765. This study recommend increasing awareness about free frame inspections, as this positively impacted public sentiment on Twitter. Note that this study does not include the deployment process of the machine learning model or dashboard creation, nor does it address brand reputation or sentiment analysis on other social media platforms such as TikTok or Instagram.]]>
