"Analisis sentimen sebagai penilaian opini terhadap polemik bantuan sosial COVID-19 menggunakan Algoritma Random Forest"

Upaya pemerintah dalam melaksanakan program Bantuan Sosial COVID-19 kerap kali menemui permasalahan dan menggiring opini banyak pihak. Opini yang diutarakan salah satunya pada media sosial twitter. Sentimen dari opini tersebut dapat dianalisis untuk mengetahui penilaian dan bahasan dari setiap sentimen yang dapat dijadikan bahan evaluasi dari program Bantuan Sosial telah dilakukan. Pada penelitian ini, sentimen setiap teks yang telah di-preprocessing didapatkan dari proses pelabelan dengan penilaian polarity dan subjectivity yang memanfaatkan library TextBlob. Hasil dari penilaian sentimen netral, positif, dan negatif dibobotkan menggunakan TF-IDF agar dimengerti oleh mesin. Kata yang telah diformat menjadi numerik kemudian diklasifikasikan menggunakan algoritma Random Forest. Parameter yang digunakan pada kasus ini disesuaikan dengan dokumentasi pada sklearn. Dilakukan pula evaluasi algoritma dengan metode 10 k-fold cross validation sebagai validasi performa dari hasil testing setiap bagian data. Didapatkan performa accuracy sebesar 76%, precision 71,4%, recall 60,67%, dan f1-score 63,67. Persentase klasifikasi teks menunjukkan bahwa penilaian topik yang dibahas adalah positif. Hanya saja, dari persentase tersebut ditemukan bahwa metode penilaian polarity dan subjectivity masih memiliki kekurangan dalam mendeteksi kalimat sarkasme. Namun secara keseluruhan masih bisa menghasilkan topik utama sesuai dengan masing-masing sentimen. Topik yang dibahas pada sentimen positif salah satunya adalah upaya pemerintah membuat fitur untuk memonitoring penyaluran bantuan sosial. Pembahasan kata sebutan yang digunakan pada kasus korupsi yang terjadi sebagai sentimen negatif. Adapun sentimen netral yang menunjukkan urgensi untuk membahas isu Bantuan Sosial