Performa Logistic Regression dalam Klasifikasi Sentimen Opini Publik Pemilu di India

Puspa Ningrum, Okky
Remawati, Dwi
Susyanto, Teguh
Laksito Yuly Saptomo, Wawan

Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence
Vol 6 No 1 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)

Opini publik tentang pemilu di India melalui media sosial sangat tinggi, terutama melalui twitter. Untuk mengetahui apakah opini tersebut positif, negative atau netral maka dilkukan analisis sentiment. Data teks dari media sosial bersifat tidak terstruktur dan penuh noise sehingga diperlukan model klasifikasi yang mampu bekerja secara efektif pada teks pendek dan bervariasi. Penelitian ini menggunakan algoritma Logistic Regression. Hasil eksperimen menunjukkan bahwa model dapat mencapai akurasi sebesar 84,46%. Temuan ini menunjukkan bahwa pendekatan yang diusulkan dapat berfungsi sebagai metode yang andal dan efisien untuk pemantauan opini publik secara otomatis. Hasil penelitian menunjukkan bahwa Logistic Regression mampu memberikan performa klasifikasi yang stabil dengan tingkat akurasi yang kompetitif untuk analisis sentimen politik pada teks pendek media sosial. Model juga menunjukkan konsistensi dalam menangani distribusi sentimen yang tidak seimbang.