ANALISIS SENTIMEN PUBLIK TERHADAP PEMINDAHAN IBU KOTA NEGARA DI TWITTER MENGGUNAKAN METODE KLASIFIKASI RANDOM FOREST DAN SMOTE

Abstract

Pemindahan Ibu Kota Negara (IKN) ke Kalimantan Timur merupakan kebijakan nasional strategis yang memicu beragam respons dari masyarakat, khususnya di media sosial seperti Twitter. Berbagai opini publik tersebut penting untuk dianalisis guna mengetahui persepsi masyarakat terhadap kebijakan tersebut. Namun, karakteristik data Twitter yang tidak terstruktur dan ketidakseimbangan distribusi sentimen menjadi tantangan dalam proses klasifikasi sentimen secara otomatis. Penelitian ini bertujuan untuk membangun model analisis sentimen publik terhadap pemindahan IKN dengan pendekatan machine learning. Metode yang digunakan meliputi preprocessing data teks, ekstraksi fitur menggunakan TF-IDF, penyeimbangan data dengan teknik Synthetic Minority Over-sampling Technique (SMOTE), serta klasifikasi menggunakan algoritma Random Forest. Dataset terdiri dari 2.177 tweet berbahasa Indonesia yang telah diberi label sentimen positif dan negatif. Hasil pengujian menunjukkan bahwa model Random Forest mampu mengklasifikasikan sentimen dengan akurasi sebesar 95,35%, serta precision dan recall yang tinggi dan seimbang. Temuan ini menunjukkan bahwa kombinasi preprocessing, SMOTE, dan Random Forest efektif digunakan dalam mengklasifikasikan opini publik di media sosial terhadap isu strategis seperti pemindahan IKN.