<![CDATA[Penelitian ini bertujuan untuk menganalisis sentimen pengguna media sosial X (Twitter) terhadap isu “Kabur Aja Dulu” serta membandingkan performa beberapa algoritma machine learning dalam mengklasifikasikan sentimen tersebut. Penelitian ini menggunakan pendekatan kuantitatif dengan kerangka kerja SEMMA (Sample, Explore, Modify, Model, Assess). Data dikumpulkan melalui teknik crawling menggunakan tools Tweet Harvest dan diproses melalui tahapan preprocessing seperti pembersihan data, normalisasi, tokenisasi, dan stemming. Pelabelan sentimen dilakukan dengan pendekatan lexicon-based menggunakan InSet Lexicon, sementara proses ekstraksi fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF). Untuk mengatasi ketidakseimbangan kelas, diterapkan metode Synthetic Minority Oversampling Technique (SMOTE). Enam algoritma diuji, yaitu Support Vector Machine (SVM), Logistic Regression, Naive Bayes, Random Forest, Decision Tree, dan K-Nearest Neighbors (KNN). Hasil penelitian menunjukkan bahwa mayoritas sentimen bersifat negatif. Algoritma SVM menghasilkan akurasi terbaik sebesar 80%, diikuti oleh Logistic Regression (77%) dan Random Forest (75%). Temuan ini menunjukkan bahwa SVM paling efektif digunakan dalam klasifikasi sentimen terkait isu sosial, dan dapat menjadi acuan dalam pengembangan sistem pemantauan opini publik.]]>
Copyrights © 2025
