Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal SITECH : Sistem Informasi dan Teknologi
Ainur, Ghefira
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Sentimen Publik Terhadap Program Makan Bergizi Gratis Menggunakan Metode Random Forest Pada Platform X Ainur, Ghefira; Latifah, Noor; Nugraha, Fajar
Jurnal SITECH : Sistem Informasi dan Teknologi Vol 8, No 1 (2025): JURNAL SITECH VOLUME 8 NO 1 TAHUN 2025
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/sitech.v8i1.15628

Abstract

Perkembangan media sosial telah membuka peluang baru dalam memahami opini publik secara real-time terhadap kebijakan pemerintah. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terkait Program Makan Bergizi Gratis yang diluncurkan oleh pemerintah Indonesia dengan memanfaatkan data dari platform X (Twitter). Metode yang digunakan adalah algoritma Random Forest untuk klasifikasi sentimen (positif, negatif, dan netral) dengan pendekatan representasi teks menggunakan TF-IDF. Proses penelitian mencakup pengumpulan data tweet melalui crawling, preprocessing teks (cleaning, case folding, tokenizing, stopword removal, dan stemming), pelabelan data secara manual, serta pelatihan dan pengujian model. Dataset terdiri dari 813 tweet, dibagi dengan rasio 80% data latih dan 20% data uji. Hasil menunjukkan bahwa model mampu mengklasifikasikan sentimen positif dengan akurasi tinggi (precision 82% dan recall 78%), namun kurang akurat pada kelas negatif dan netral. Akurasi keseluruhan model pada data uji adalah 82% dengan F1-score sebesar 90%. Aplikasi klasifikasi juga telah dideploy menggunakan Streamlit untuk memungkinkan klasifikasi komentar secara manual maupun batch melalui file CSV. Kesimpulan dari penelitian ini menunjukkan bahwa algoritma Random Forest cukup efektif untuk klasifikasi sentimen berbasis teks, meskipun perbaikan masih diperlukan pada aspek ketidakseimbangan kelas dan pemahaman konteks kalimat.
Co-Authors Fajar Nugraha Noor Latifah