cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Andy Prasetyo Utomo
Contact Email
sitech@umk.ac.id
Phone
-
Journal Mail Official
sitech@umk.ac.id
Editorial Address
-
Location
Kab. kudus,
Jawa tengah
INDONESIA
Jurnal SITECH : Sistem Informasi dan Teknologi
Published by Universitas Muria Kudus
ISSN : 26158531     EISSN : 26222973     DOI : -
Core Subject : Science,
Computer Science & IT
SITECH merupakan jurnal ilmiah yang menyajikan artikel original tentang pengetahuan, hasil penelitian dan perkembangan terkini di bidang sistem informasi dan teknologi. Jurnal ini merupakan sarana publikasi dan ajang berbagi karya penelitian dan pengembangannya di bidang sistem Informasi dan Teknologi. Jurnal SITECH terbit secara berkala sebanyak dua kali dalam setahun pada bulan Juni dan Desember.
Arjuna Subject : -
Articles 201 Documents
 17   18   19   20   21 
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.

Page 21 of 21 | Total Record : 201

 17   18   19   20   21 

Filter by Year

2018 2025


Reset
Filter By Issues
All Issue Vol 8, No 1 (2025): JURNAL SITECH VOLUME 8 NO 1 TAHUN 2025 Vol 7, No 2 (2024): JURNAL SITECH VOLUME 7 NO 2 TAHUN 2024 Vol 7, No 1 (2024): JURNAL SITECH VOLUME 7 NO 1 TAHUN 2024 Vol 7 (2024): JURNAL SITECH VOLUME 7 TAHUN 2024 (EDISI KHUSUS) Vol 6, No 2 (2023): JURNAL SITECH VOLUME 6 NO 2 TAHUN 2023 Vol 6, No 1 (2023): JURNAL SITECH VOLUME 6 NO 1 TAHUN 2023 Vol 5, No 2 (2022): JURNAL SITECH VOLUME 5 NO 2 TAHUN 2022 Vol 5, No 1 (2022): JURNAL SITECH VOLUME 5 NO 1 TAHUN 2022 Vol 4, No 2 (2021): JURNAL SITECH VOLUME 4 NO 2 TAHUN 2021 Vol 4, No 1 (2021): JURNAL SITECH VOLUME 4 NO 1 TAHUN 2021 Vol 3, No 2 (2020): JURNAL SITECH VOLUME 3 NO 2 TAHUN 2020 Vol 3, No 1 (2020): JURNAL SITECH VOLUME 3 NO 1 TAHUN 2020 Vol 2, No 2 (2019): JURNAL SITECH VOLUME 2 NO 2 TAHUN 2019 Vol 2, No 1 (2019): JURNAL SITECH VOLUME 2 NO 1 TAHUN 2019 Vol 2, No 1 (2019): JURNAL SITECH VOLUME 2 NO 1 TAHUN 2019 Vol 1, No 2 (2018): JURNAL SITECH VOLUME 1 NO 2 TAHUN 2018 Vol 1, No 2 (2018): JURNAL SITECH VOLUME 1 NO 2 TAHUN 2018 Vol 1, No 1 (2018): JURNAL SITECH VOLUME 1 NO 1 TAHUN 2018 Vol 1, No 1 (2018): JURNAL SITECH VOLUME 1 NO 1 TAHUN 2018 More Issue