<![CDATA[Media sosial, khususnya platform X (dahulu Twitter), kini menjadi instrumen krusial bagi publik dalam menyuarakan opini maupun respons terhadap fenomena lingkungan secara masif. Penelitian ini dilatarbelakangi oleh urgensi analisis sentimen terkait isu deforestasi dan bencana alam, yang dipicu oleh meluasnya dampak ekologis, kerugian materiil, serta dinamika kritik terhadap kebijakan mitigasi pemerintah. Melalui identifikasi pandangan publik, pemangku kebijakan dapat memetakan kegelisahan masyarakat sekaligus menyusun strategi penanggulangan lingkungan yang lebih akomodatif. Studi ini bertujuan mengimplementasikan Algoritma C4.5 untuk mengklasifikasikan kecenderungan sentimen masyarakat mengenai topik tersebut menjadi beberapa klaster opini. Proses diawali melalui tahapan preprocessing data yang meliputi eliminasi tautan, penghapusan karakter non-alfanumerik, pembersihan stopwords, dan tokenisasi. Ekstraksi fitur teks kemudian dioptimalkan menggunakan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF) untuk mengonversi korpus menjadi matriks numerik. Evaluasi performa diuji melalui dua skenario klasifikasi, yakni kategorisasi biner (positif dan negatif) serta multi-kelas (positif, negatif, dan netral). Temuan eksperimen menunjukkan bahwa pemodelan dengan dua kelas prediksi menghasilkan performa superior dengan tingkat akurasi sebesar 99,17%, presisi 99,17%, recall 99,17%, dan F1-score 99,38%. Sebaliknya, pengujian pada tiga kelas klasifikasi mengalami penurunan performa dengan raihan akurasi 98,76%, presisi 98,76%, recall 99,17%, dan F1-score 99,38%. Riset ini menyimpulkan bahwa algoritma C4.5 lebih adaptif dan memberikan akurasi yang lebih valid ketika diterapkan pada model klasifikasi sentimen biner dalam menganalisis diskursus lingkungan di media sosial. Kata Kunci: Analisis Sentimen, Deforestasi, Bencana Alam, Algoritma C4.5, TF-IDF.]]>
Copyrights © 2026
