KLASIFIKASI SENTIMEN MASYARAKAT TERHADAP KINERJA KEMKOMDIGI TERKAIT PERMASALAHAN JUDI ONLINE PADA MEDIA SOSIAL INSTAGRAM MENGGUNAKAN METODE RANDOM FOREST DAN XGBOOST

IKA , RAHMA ALIA (2025) KLASIFIKASI SENTIMEN MASYARAKAT TERHADAP KINERJA KEMKOMDIGI TERKAIT PERMASALAHAN JUDI ONLINE PADA MEDIA SOSIAL INSTAGRAM MENGGUNAKAN METODE RANDOM FOREST DAN XGBOOST. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF Abstrak_Ika Rahma Alia_2117051016 - ika rahma.pdf Download (238Kb) | Preview
	File PDF Skripsi_Ika Rahma Alia_2117051016 - ika rahma.pdf Restricted to Hanya staf Download (5Mb) | Minta salinan
Preview	File PDF Tanpa Pembahasan_Ika Rahma Alia_2117051016_removed - ika rahma.pdf Download (4Mb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Judi online di Indonesia menjadi salah satu isu sosial yang menimbulkan beragam tanggapan masyarakat. Kementerian Komunikasi dan Digital (Kemkomdigi) telah melakukan berbagai upaya, namun kinerjanya tetap menuai kritik maupun apresiasi publik yang banyak disuarakan melalui media sosial, khususnya Instagram. Penelitian ini bertujuan untuk mengidentifikasi sentimen masyarakat terhadap Kemkomdigi serta membandingkan kinerja algoritma Machine Learning Random Forest dan XGBoost dalam proses klasifikasi. Sebanyak 724 komentar dikumpulkan dari akun Instagram resmi Kemkomdigi dan diberi label manual oleh tiga anotator. Data kemudian melalui tahapan praproses teks (pembersihan, case folding, tokenisasi, normalisasi, penghapusan stopword, dan stemming), representasi fitur dengan TF-IDF, serta penyeimbangan kelas menggunakan Random Oversampling. Model dibangun dengan data latih dan data uji berbanding 70:30, diuji dengan parameter default dan hyperparameter tuning menggunakan GridSearchCV, serta dievaluasi melalui akurasi, presisi, recall, dan F1-score. Hasil penelitian memperlihatkan bahwa algoritma Random Forest memiliki kinerja lebih unggul dibandingkan XGBoost. Setelah dilakukan tuning, Random Forest mencapai akurasi 71,64% dengan F1-score 70,90%, sedangkan XGBoost hanya mencapai akurasi 67,66% dengan F1-score 67,85%. Temuan ini menunjukkan bahwa Random Forest lebih efektif dalam mengklasifikasikan sentimen masyarakat terkait kinerja Kemkomdigi terhadap isu judi online. Kata Kunci: Analisis Sentimen, Judi Online, Klasifikasi, Random Forest, TF-IDF, XGBoost. Online gambling in Indonesia has become a major social issue that generates diverse public responses. The Ministry of Communication and Digital Affairs (Kemkomdigi) has undertaken various measures; however, its performance continues to receive both criticism and appreciation, which are widely expressed on social media, particularly Instagram. This study aims to identify public sentiment toward Kemkomdigi and to compare the performance of two machine learning algorithms, Random Forest and XGBoost, in sentiment classification. A total of 724 comments were collected from Kemkomdigi’s official Instagram account and manually labeled by three annotators. The dataset underwent several text preprocessing steps (cleaning, case folding, tokenization, normalization, stopword removal, and stemming), feature representation using TF-IDF, and class balancing with Random Oversampling. The models were trained and tested with a 70:30 ratio, evaluated under both default parameters and hyperparameter tuning via GridSearchCV, and assessed using accuracy, precision, recall, and F1-score. The results show that Random Forest outperformed XGBoost in terms of classification performance. After tuning, Random Forest achieved an Accuracy of 71.64% with an F1-score of 70.90%, while XGBoost only obtained an Accuracy of 67.66% with an F1-score of 67.85%. These findings indicate that Random Forest is more effective in classifying public sentiment regarding Kemkomdigi’s performance in addressing the issue of online gambling. Keywords: Classification, Online Gambling, Random Forest, Sentiment Analysis, TF-IDF, XGBoost.

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum 500 ilmu pengetahuan alam dan matematika
Program Studi:	FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) > Prodi S1 Ilmu Komputer
Pengguna Deposit:	UPT . Desi Zulfi Melasari
Date Deposited:	07 Nov 2025 02:39
Terakhir diubah:	07 Nov 2025 02:39
URI:	http://digilib.unila.ac.id/id/eprint/92784

Actions (login required)

Lihat Karya Akhir