PENGGUNAAN METODE RANDOM FOREST UNTUK KLASIFIKASI SENTIMEN KOMENTAR MEDIA SOSIAL MENGENAI PENGELOLAAN SAMPAH DI KOTA TERNATE

Rosihan .; Alfanugrah A. Hi. Usman; Muhammad Fhadli; Muhammad Fikri Ramdhani; Febrianti Darwin

doi:10.36549/ijis.v11i1.446

PENGGUNAAN METODE RANDOM FOREST UNTUK KLASIFIKASI SENTIMEN KOMENTAR MEDIA SOSIAL MENGENAI PENGELOLAAN SAMPAH DI KOTA TERNATE

Rosihan ., Alfanugrah A. Hi. Usman, Muhammad Fhadli, Muhammad Fikri Ramdhani, Febrianti Darwin

Sari

Permasalahan pengelolaan sampah di Kota Ternate kerap menjadi pembahasan di media sosial. Penelitian ini bertujuan untuk menganalisis sentimen publik dan menyediakan rekomendasi kebijakan berbasis data dengan mengembangkan model klasifikasi Random Forest. Penelitian ini menggunakan pendekatan kuantitatif melalui pengumpulan data komentar dari media sosial, preprocessing teks (tokenisasi, normalisasi, penghapusan stop word, stemming), ekstraksi fitur TF-IDF, dan klasifikasi sentimen dengan algoritma Random Forest. Evaluasi model menggunakan metrik akurasi, presisi, recall, dan F1-score. Model Random Forest yang dihasilkan mencapai akurasi keseluruhan 59,80%. Nilai presisi tertinggi diperoleh pada kelas positif (0,80), sedangkan recall tertinggi pada kelas negatif (0,9914). Analisis lebih lanjut mengidentifikasi kata kunci dominan seperti "laut", "buang", dan "sampah". Meskipun akurasi model masih dapat ditingkatkan, penelitian ini berhasil memetakan sentimen masyarakat. Temuan ini dapat menjadi dasar empiris bagi pemerintah daerah untuk merumuskan kebijakan pengelolaan sampah yang lebih responsif.

Kata Kunci: Sampah, Random Forest, Sentimen, Media Sosial, Kota Ternate

Teks Lengkap:

PDF (Indonesia)

Referensi

D. Sebagai, S. Satu, P. Program, S. Teknik, I. Fakultas, and U. M. Ponorogo, “Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Jenjang Strata Satu (S1) Pada Program Studi Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Ponorogo,” 2025.

V. No, D. Hal, and M. Alfidyah, “Analisis Sentimen Pengguna Aplikasi X terhadap Konflik antara Israel dan Palestina Menggunakan Algoritma Support Vector Machine Jurnal Statistika dan Data Sains,” vol. 1, no. 1, pp. 8–14, 2025.

P. Studi, T. Industri, P. Sarjana, F. T. Industri, and U. I. Indonesia, “Person-Job Fit Menggunakan Decision Trees Algorithm (Studi Kasus PT PNR Perusahaan Jasa Pertambangan pada Divisi PL),” 2024.

M. Muharram, D. Hariyati, and L. R. Simanjuntak, “Efisiensi dan Efektivitas Pengadaan Barang / Jasa (E-Procurement ) Pada LPSE dan E-Katalog di Dinas Lingkungan Hidup Provinsi,” vol. 6, no. 3, pp. 1547–1559, 2025.

Yadav, A., & Vishwakarma, D. K. (2020). Sentiment analysis using deep learning architectures: A review. Artificial Intelligence Review, 53, 4335–4385. https://doi.org/10.1007/s10462-020-09822-5

Pang, B., & Lee, L. (2008). Opinion Mining and Sentiment Analysis. Foundations and Trends in Information Retrieval.

Manning, C. D., Raghavan, P., & Schütze, H. (2008). Introduction to Information Retrieval. Cambridge University Press

Liu, B. (2012). Sentiment Analysis and Opinion Mining. Morgan & Claypool.

Breiman, L. (2001). Random Forests. Machine Learning, 45(1), 5–32, https://doi.org/10.1023/A:1010933404324

DOI: https://doi.org/10.36549/ijis.v11i1.446