Perbandingan Kinerja Algoritma Naive Bayes dan Random Forest dalam Analisis Sentimen Publik Terhadap Batas Usia Calon Presiden dan Wakil Presiden di Twitter

Abstract

Pada pemilu di tahun 2024 ini, terdapat pro dan kontra terkait perubahan batas usia calon presiden dan wakil presiden yang memicu perdebatan di kalangan masyarakat khususnya perdebatan yang terjadi pada media sosial seperti X(twitter). Penelitian ini akan membandingkan dua algoritma machine learning yaitu Naive Bayes dan Random Forest untuk melihat kinerja yang lebih baik dalam mengklasifikasikan sentimen. Penelitian ini bertujuan untuk mengukur sentimen publik terhadap perubahan kebijakan perubahan batas usia calon presiden dan wakil presiden pada  media sosial X(twitter) dengan menggunakan teknik analisis sentimen. Penelitian ini membandingkan kinerja algoritma Naive Bayes dan Random Forest dalam analisis sentimen publik terkait batas usia calon presiden dan wakil presiden di Indonesia, menggunakan data X (Twitter). Data sentimen yang dianalisis berasal dari 500 tweet pengguna X (Twitter) menggunakan kata kunci "Putusan MK Usia Capres". Proses praproses meliputi cleaning, case folding, normalisasi, tokenisasi, penghapusan stopword, stemming kemudian fitur teks diekstraksi menggunakan metode TF-IDF. Hasil dari penelitian ini menunjukan bahwa algoritma Random Forest memiliki kinerja yang lebih baik dan tingkat akurasi yang lebih tinggi dari algoritma Naive Bayes dengan nilai akurasi 50.00%.