Perbandingan Algoritma Naive Bayes Classifier dan Random Forest dalam Analisis Sentimen Twitter terhadap Tokoh Publik

Twitter merupakan salah satu media sosial yang telah menjadi saluran bagi masyarakat untuk menyampaikan opini, keluhan, dan apresiasi terhadap layanan publik, termasuk Tokoh Publik (Gibran Rakabumung). Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap Tokoh Publik (Gibran Rakabuming) melalui cuitan di Twitter dengan menggunakan dua algoritma klasifikasi, yaitu Naive Bayes dan Random Forest. Data yang digunakan sebanyak 200 tweet yang diambil selama bulan Desember 2023. Proses penelitian meliputi tahapan
pengumpulan data, preprocessing, pelabelan sentimen, pembagian data menjadi data latih dan data uji, serta pengujian performa model menggunakan confusion matrix. Hasil pengujian menunjukkan bahwa algoritma Random Forest memiliki
kinerja lebih baik dengan akurasi 79%, dibandingkan Naive Bayes yang memperoleh akurasi sebesar 77%. Random Forest juga menunjukkan performa yang lebih seimbang pada metrik precision, recall, dan f1-score. Dengan demikian, Random Forest direkomendasikan sebagai metode yang lebih efektif dalam analisis sentimen pada media sosial. Penelitian ini diharapkan dapat memberikan kontribusi dalam peningkatan layanan yang dilakukan Tokoh Publik kepada masyarakat.