<![CDATA[Media sosial kini menjadi ruang komunikasi publik yang penting, termasuk bagi instansi pemerintah dalammenyampaikan informasi kepada masyarakat. Penelitian ini bertujuan memprediksi tingkat interaksi pengguna pada akunresmi Kementerian Pertanian Republik Indonesia (Kementan RI) di platform X (Twitter) menggunakan algoritma machinelearning. Data penelitian berupa 334 tweet yang dipublikasikan pada periode April hingga Juni 2025, dianalisis berdasarkanjumlah like, reply, dan repost. Proses pra-pemrosesan mencakup pembersihan teks, normalisasi, penghapusan stopwords,serta transformasi teks ke dalam representasi numerik dengan TF-IDF. Empat algoritma diuji, yaitu Naive Bayes, LogisticRegression, Support Vector Machine (SVM), dan K-Nearest Neighbors (KNN). Evaluasi kinerja model menggunakanmetrik akurasi, presisi, recall, F1-score, macro average, dan weighted average untuk menangani distribusi data yang tidakseimbang. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes memberikan performa terbaik dengan akurasi 82%dan F1-score 0.74, terutama pada klasifikasi interaksi rendah. Logistic Regression dan KNN menunjukkan performa cukupbaik namun belum stabil, sedangkan SVM memiliki performa paling rendah, khususnya pada deteksi interaksi tinggi.Temuan ini menunjukkan bahwa Naive Bayes dapat direkomendasikan sebagai algoritma utama dalam prediksi interaksimedia sosial X. Selain itu, hasil penelitian ini dapat menjadi landasan untuk menyusun strategi komunikasi digitalpemerintah yang lebih efektif, berbasis data dan prediksi tingkat keterlibatan audiens.]]>
Copyrights © 2025
