Analisis Sentimen Publik Terhadap Program Makan Bergizi Gratis Menggunakan Metode Random Forest Pada Platform X

Ghefira Ainur, Noor Latifah, Fajar Nugraha

Sari


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.

Kata Kunci


Analisis Sentimen; Media Sosial; Random Forest; Program Makan Bergizi; TF-IDF

Teks Lengkap:

Download PDF

Referensi


R. Wijanarko, D. E. Ratnawati, and P. P. Adikara, “Analisis Sentimen Dampak Perkembangan Artificial Intelligence (AI) pada Media Sosial X/Twitter Menggunakan Metode Random Forest,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 1, no. 1, pp. 2548–964, 2017.

A. Sitanggang, Y. Umaidah, Y. Umaidah, R. I. Adam, and R. I. Adam, “Analisis Sentimen Masyarakat Terhadap Program Makan Siang Gratis Pada Media Sosial X Menggunakan Algoritma Naïve Bayes,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, 2024, doi: 10.23960/jitet.v12i3.4902.

M. A. Hasanah, S. Soim, and A. S. Handayani, “Implementasi CRISP-DM Model Menggunakan Metode Decision Tree dengan Algoritma CART untuk Prediksi Curah Hujan Berpotensi Banjir,” J. Appl. Informatics Comput., vol. 5, no. 2, pp. 103–108, 2021, doi: 10.30871/jaic.v5i2.3200.

B. Bayu Baskoro et al., “Analisis Sentimen Pelanggan Hotel di Purwokerto Menggunakan Metode Random Forest dan TF-IDF (Studi Kasus: Ulasan Pelanggan Pada Situs TRIPADVISOR),” J. Informatics Inf. Syst. Softw. Eng. Appl. (INISTA), , vol. Volume 3 N, no. 2, pp. 21–029, 2021, doi: 10.20895/INISTA.V3.

R. Fachreza and W. T. Handoko, “Analisis Sentimen Masyarakat Terhadap Kinerja Trans Semarang Menggunakan Metode Random Forest,” pp. 724–734, 2024.

S. Nanda, D. Mualfah, and D. A. Fitri, “Analisis Sentimen Kepuasan Pengguna Terhadap Layanan Streaming Mola Menggunakan Algoritma Random Forest,” J. Apl. Teknol. Inf. dan Manaj., vol. 3, no. 2, pp. 210–219, 2022, doi: 10.31102/jatim.v3i2.1592.

A. G. Pramita, W. Agus Triyanto, and S. Muzid, “Analisis Sentimen Penggunaan Sunan (Sinau Temenanan)E-Learning UMK Sebagai Media PembelajaranMenggunakan Metode Naïve Bayes Classifier,” J. Pseudocode, vol. 12, no. 1, pp. 1–6, 2025, doi: 10.33369/pseudocode.12.1.1.

M. A. A, M. Alamsyah, and M. F. Arif, “Analisis Sentimen Twitter Tentang Pinjaman Online di Indonesia Menggunakan Metode Random Forest,” 2024.

R. Rahmatulloh, M. I. Ibrahim, and M. R. Handayani, “Analisis Sentimen Publik tentang RUU TNI 2025 dengan Naïve Bayes pada Aplikasi X,” vol. 5, no. 2, pp. 365–379, 2025.

E. Triningsih, “MACHINE LEARNING PADA SOSIAL MEDIA X,” 2025.

F. A. Larasati, D. E. Ratnawati, and B. T. Hanggara, “Analisis Sentimen Ulasan Aplikasi Dana dengan Metode Random Forest,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 9, pp. 4305–4313, 2022.

M. Azhari and P. Parjito, “Analisis Sentimen Opini Publik Program Makan Siang Gratis dengan Random Forest Pada Media,” Build. Informatics, Technol. Sci., vol. 6, no. 3, pp. 1932–1942, 2024, doi: 10.47065/bits.v6i3.6423.

M. Y. Aldean, P. Paradise, and N. A. Setya Nugraha, “Analisis Sentimen Masyarakat Terhadap Vaksinasi Covid-19 di Twitter Menggunakan Metode Random Forest Classifier (Studi Kasus: Vaksin Sinovac),” J. Informatics, Inf. Syst. Softw. Eng. Appl., vol. 4, no. 2, pp. 64–72, 2022, doi: 10.20895/inista.v4i2.575.

M. R. U. Pulungan, D. E. Ratnawati, and B. Rahayudi, “Analisis Sentimen Ulasan Aplikasi PeduliLindungi dengan Metode Random Forest,” J. Pengemb. Teknol. Inf. dan Ilmu Komun., vol. 6, no. 9, pp. 4378–4385, 2022.

M. F. Y. Herjanto and C. Carudin, “Analisis Sentimen Ulasan Pengguna Aplikasi Sirekap Pada Play Store Menggunakan Algoritma Random Forest Classifer,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 2, pp. 1204–1210, 2024, doi: 10.23960/jitet.v12i2.4192.

W. A. Aziz, Implementasi metode random forest pada klasifikasi data ulasan konsumen perusahaan (studi kasus: aplikasi kai access). 2021.

V. Fransisco and D. B. Rarasati, “Analisis Sentimen Aplikasi Polri Super App Menggunakan Algoritma Random Forest,” J. Ilm. Sains dan Teknol., vol. 8, no. 2, pp. 183–195, 2024, doi: 10.47080/saintek.v8i2.3383.

M. Ilham and B. Priambodo, “Analisis Sentimen Publik Terhadap Program Makan Siang Gratis Menggunakan BERT Neural Network Pada Platform X,” vol. 6, no. 2, pp. 1039–1047, 2024.

A. G. Pramita and F. Nugraha, “Sistem Analisis Sentimen Produk Pada Aplikasi Lazada Menggunakan Metode Naïve Bayes,” J. Digit, vol. 14, no. 1, p. 23, 2024, doi: 10.51920/jd.v14i1.362.

N. Alvia Wirayani et al., “Analisis Sentimen Tanggapan Masyarakat Tentang Garuda IKN Menggunakan Metode Naive Bayes,” Decod. J. Pendidik. Teknol. Inf., vol. 5, no. 1, pp. 27–40, 2025.

A. F. Anjani, D. Anggraeni, and I. M. Tirta, “Implementasi Random Forest Menggunakan SMOTE untuk Analisis Sentimen Ulasan Aplikasi Sister for Students UNEJ,” J. Nas. Teknol. dan Sist. Inf., vol. 9, no. 2, pp. 163–172, 2023, doi: 10.25077/teknosi.v9i2.2023.163-172.




DOI: https://doi.org/10.24176/sitech.v8i1.15628

Refbacks

  • Saat ini tidak ada refbacks.


 

 

JournalStories Main logo JournalStories Main logo

 

Flag Counter