Analisis Sentimen terhadap Koperasi Desa Merah Putih Menggunakan Random Forest dan Pelabelan Leksikon

Authors

  • Steven Dermawan Universitas Pradita Author

DOI:

https://doi.org/10.63822/9p4b3715

Keywords:

Analisis Sentimen, Koperasi Desa Merah Putih, Random Forest, TF-IDF, Word Cloud

Abstract

Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap program Koperasi Desa Merah Putih pada periode Juli–Oktober 2025 dengan menggunakan 5396 tweet sebagai sumber data utama. Proses penelitian mengikuti alur kerja sistematis meliputi crawling data, preprocessing teks, pelabelan sentimen berbasis leksikon, pembagian dataset, vektorisasi TF-IDF, pelatihan model Random Forest, evaluasi, serta visualisasi word cloud. Sentimen dilabeli menggunakan metode lexicon-based dan kemudian diklasifikasikan melalui algoritma Random Forest. Hasil analisis menunjukkan bahwa opini publik didominasi oleh sentimen negatif sebesar 87.19%, diikuti sentimen positif sebesar 12.8%, menggambarkan adanya harapan terhadap penguatan ekonomi desa sekaligus kekhawatiran mengenai efektivitas pelaksanaannya. Evaluasi model menghasilkan akurasi 90%, presisi makro 0,91, recall makro 0,60, dan F1-score makro 0,63, menunjukkan performa klasifikasi yang baik meski keseimbangan antar kelas masih perlu ditingkatkan. Word cloud menampilkan dominasi kata seperti merah, putih, koperasi, desa, dan kopdes, yang menegaskan fokus publik pada identitas program serta relevansinya bagi pembangunan ekonomi desa. Kemunculan istilah ekonomi, masyarakat, rakyat, dan pangan mencerminkan ekspektasi peningkatan kesejahteraan, sementara kata presiden, menteri, dan pemerintah menunjukkan keterkaitan program dengan agenda kebijakan nasional. Secara keseluruhan, penelitian ini memberikan gambaran komprehensif mengenai persepsi publik dan menegaskan pentingnya peningkatan transparansi, komunikasi publik, dan efektivitas implementasi program. Penelitian selanjutnya disarankan menggunakan metode pelabelan hybrid atau model deep learning serta memperluas cakupan data untuk menghasilkan analisis sentimen yang lebih akurat dan seimbang.

References

Aditiya, P., Enri, U., & Maulana, I. (2022). Analisis Sentimen Ulasan Pengguna Aplikasi Myim3 Pada Situs Google Play Menggunakan Support Vector Machine. JURIKOM (Jurnal Riset Komputer), 9(4), 1020–1028. https://doi.org/10.30865/jurikom.v9i4.4673

Azmi, T. A. U., Hakim, L., Novitasari, D. C. R., & Utami, W. D. (2023). Application Random Forest Method for Sentiment Analysis in Jamsostek Mobile Review. Telematika: Jurnal Informatika Dan Teknologi Informasi, 20(1), 116–127. https://doi.org/10.31515/telematika.v20i1.8868

Dermawan, S., & Ayunda, A. T. (2025). Sentiment Analysis of Coretax on Social Media X Using Naive Bayes, SVM, and LSTM for Service Improvement. Journal of Applied Informatics and Computing, 9(6), 3177–3190. https://doi.org/10.30871/jaic.v9i6.11063

Ernawati, A., Khairul, Z. S., Iqbal, M., & Nasution, D. (2025). Penerapan Data Mining Untuk Klasifikasi Penduduk Miskin Di Kabupaten Labuhanbatu Menggunakan Random Forest Dan K-Nearest Neighbors. Bulletin of Information Technology (BIT), 6(2), 23–35. https://doi.org/10.47065/bit.v5i2.1783

Fauzi, Andini, B., & Muslihudin, M. (2025). SENTIMENT ANALYSIS OF TWITTER (X) USERS TOWARD THE KOPERASI DESA MERAH PUTIH PROGRAM USING SUPPORT VECTOR MACHINE AND NAIVE BAYES METHODS. Jurnal TAM (Technology Acceptance Model), 16(1), 50–64.

Hickman, L., Thapa, S., Tay, L., Cao, M., & Srinivasan, P. (2022). Text Preprocessing for Text Mining in Organizational Research: Review and Recommendations. Organizational Research Methods, 25(1), 114–146. https://doi.org/10.1177/1094428120971683

Manullang, O., Prianto, C., & Harani, N. H. (2023). Analisis Sentimen Untuk Memprediksi Hasil Calon Pemilu Presiden Menggunakan Lexicon Based dan Random Forest. Jurnal Ilmiah Informatika, 11(02), 159–169.

Ningsih, W., Alfianda, B., Rahmaddeni, R., & Wulandari, D. (2024). Perbandingan Algoritma SVM dan Naïve Bayes dalam Analisis Sentimen Twitter pada Penggunaan Mobil Listrik di Indonesia. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(2), 556–562. https://doi.org/10.57152/malcom.v4i2.1253

Nugraha, I. A., & Paputungan, I. V. (2025). Analisis Sentimen Video Review Starlink Indonesia Menggunakan Pendekatan Lexicon Dictionary Bahasa Indonesia dan Algoritma Random Forest. INNOVATIVE: Journal Of Social Science Research, 5(3), 612–626.

Nurwanda, Suarna, N., & Prihartono, W. (2024). PENERAPAN NLP (NATURAL LANGUAGE PROCESSING) DALAM ANALISIS SENTIMEN PENGGUNA TELEGRAM DI PLAYSTORE. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 1841–1846.

Putra, A. M. H., Novandya, A., & Mulyadi. (2025). Analisis Sentimen ‘Trump Tarif’ pada Platform X Menggunakan Metode Random Forest Classifier. Jurnal Komputer, Informasi Dan Teknologi, 5(2), 1–11.

Putri, C. M., Afdal, M., Novita, R., & Mustakim, M. (2024). Perbandingan Evaluasi Kernel Support Vector Machine dalam Analisis Sentimen Chatbot AI pada Ulasan Google Play Store. Jurnal Teknologi Sistem Informasi Dan Aplikasi, 7(3), 1236–1245. https://doi.org/10.32493/jtsi.v7i3.41354

Septiani, D., & Isabela, I. (2023). Analisis Term Frequency Inverse Document Frequency (TF-IDF) Dalam Temu Kembali Informasi Pada Dokumen Teks. SINTESIA: Jurnal Sistem Dan Teknologi Informasi Indonesia, 1(2), 81–88.

Setiawan, I., Yasin, I. F., & Desianti, Y. T. (2025). Komparasi Kinerja Algoritma Random Forest, Decision Tree, Naïve Bayes, dan KNN dalam Prediksi Tingkat Depresi Mahasiswa Menggunakan Student Depression Dataset. JURNAL ILMU KOMPUTER DAN TEKNOLOGI (IKOMTI), 6(1), 47–58.

Sholekhah, A., & Muntahanah. (2025). Perbandingan Naïve Bayes dan Support Vector Machine Dalam Analisa Sentimen Tentang Penyitaan Aset Koruptor di Twitter. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 5(3), 981–989.

Published

2026-04-13

Issue

Section

Articles

How to Cite

Dermawan, S. (2026). Analisis Sentimen terhadap Koperasi Desa Merah Putih Menggunakan Random Forest dan Pelabelan Leksikon. Jejak Digital: Jurnal Ilmiah Multidisiplin, 2(3), 3820-3831. https://doi.org/10.63822/9p4b3715