PERBANDINGAN ANALISIS SENTIMEN PUBLIK TERHADAP ISU
PERTAMAX OPLOSAN MENGGUNAKAN PENDEKATAN
MACHINE LEARNING PADA PLATFORM X

Oleh
DESVIN YONATHAN
9882405121121024

Isu Pertamax oplosan yang mencuat di media sosial, khususnya X, memicu
beragam opini publik yang berpotensi mempengaruhi citra dan kepercayaan
masyarakat terhadap penyedia bahan bakar. Penelitian ini bertujuan untuk
menganalisis dan membandingkan performa empat algoritma Machine learning,
yaitu Support Vector Machine (SVM), Random Forest, Extreme Gradient Boosting
(XGBoost), dan Categorical Boosting (CatBoost) dalam mengklasifikasikan
sentimen publik menjadi dua kelas, yaitu positif dan negatif. Data penelitian
dikumpulkan dengan metode web scraping menggunakan TweetHarvest,
menghasilkan 756 tweet berbahasa Indonesia yang telah diberi label secara manual.
Proses preprocessing data meliputi case folding, data cleaning, tokenizing,
normalisasi, stopword removal, dan stemming. Evaluasi kinerja model dilakukan
menggunakan Confusion Matrix dan Area Under Curve (AUC). Hasil eksperimen
menunjukkan bahwa algoritma Random Forest memperoleh performa terbaik
dengan akurasi 72,37% dan nilai AUC sebesar 0,77, diikuti oleh SVM dengan
akurasi 70,39% dan AUC 0,74, CatBoost dengan akurasi 68,42% dan AUC 0,77,
serta XGBoost dengan akurasi 65,79% dan AUC 0,70. Berdasarkan hasil tersebut,
Random Forest dinilai lebih efektif dalam mengklasifikasikan sentimen publik
terkait isu Pertamax oplosan di X.
Kata Kunci: analisis sentimen, machine learning, Pertamax oplosan, X, Random
Forest.