Penerapan Metode Random Forest Untuk Klasifikasi Opini Pengguna Aplikasi X Terhadap Kebijakan Tilang Elektronik


Munadian Yunadian(1*); Herman Herman(2); Herdianti Darwis(3);

(1) Universitas Muslim Indonesia
(2) Universitas Muslim Indonesia
(3) Universitas Muslim Indonesia
(*) Corresponding Author

  

Abstract


Kebijakan tilang elektronik atau Electronic Traffic Law Enforcement (ETLE) menimbulkan beragam respons publik yang banyak disampaikan melalui aplikasi X. Besarnya volume opini menjadikan analisis manual tidak lagi efektif, sehingga diperlukan pendekatan machine learning untuk mengklasifikasikan opini secara otomatis. Penelitian ini menerapkan algoritma Random Forest untuk mengklasifikasikan opini pengguna aplikasi X terhadap kebijakan ETLE ke dalam tiga kategori sentimen, yaitu positif, negatif, dan netral. Data dikumpulkan melalui web scraping menggunakan library ntscraper dengan enam kata kunci terkait ETLE, menghasilkan 12.742 tweet berbahasa Indonesia. Data kemudian melalui tahap preprocessing (case folding, stopword removal, tokenisasi, stemming), pelabelan otomatis berbasis leksikon, ekstraksi fitur TF-IDF (Term Frequency–Inverse Document Frequency) dengan pembatasan 2.000 fitur, serta klasifikasi menggunakan Random Forest dengan konfigurasi n_estimators=100 dan class_weight='balanced'. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan model mencapai akurasi keseluruhan sebesar 96,31%. Distribusi sentimen menunjukkan dominasi kelas netral (80,20%), diikuti positif (15,18%), dan negatif (4,62%), dengan F1-score sebesar 0,98 untuk kelas negatif, 0,98 untuk kelas netral, dan 0,89 untuk kelas positif, serta Macro Average F1-Score sebesar 0,95. Temuan ini menegaskan bahwa kombinasi TF-IDF dan Random Forest dengan penanganan ketidakseimbangan kelas merupakan pendekatan yang efektif untuk klasifikasi opini publik pada domain kebijakan lalu lintas berbahasa Indonesia

Keywords


Random forest; ETLE; web scrapping; library ntscraper

  
  

Full Text:

XML
  

Article Metrics

Abstract view: 0 times
XML view: 0 times 		     

Digital Object Identifier

doi  https://doi.org/10.33096/linier.v3i3.3874 		  

Cite

How to cite item

References


Yohanes William dan Riris Loisa, “Peran Media Sosial dalam Membangun Opini Publik: Studi Kasus Akun Media Sosial DPR RI,” Kiwari, vol. 4, no. 3, hlm. 426–434, Sep 2025, doi: 10.24912/ki.v4i3.35405.

A. A. K. Thalib, D. E. Ismail, dan M. R. Moha, “Optimalisasi E-Tilang Dalam Inovasi Digital Untuk Meningkatkan Kesadaran Hukum dan Ketertiban Lalu Lintas,” SINERGI : Jurnal Riset Ilmiah, vol. 2, no. 1, hlm. 173–190, Jan 2025, doi: 10.62335/p1xndm75.

A. F. Nur, Y. Salim, dan R. Ramdaniah, “Analisis Sentimen Pengguna X Terhadap Perkembangan Artificial Intelligence (AI) Menggunakan Algoritma Machine Learning,” LINIER: Literatur Informatika dan Komputer, vol. 1, no. 4, hlm. 347–357, Des 2024, doi: 10.33096/linier.v1i4.2534.

Y. H. Agustin, N. Cici Mulyani, dan W. Sindu Prasetya, “Analisis Sentimen Opini Publik Menggunakan Algoritma Naive Bayes dan TF-IDF,” Jurnal Algoritma, vol. 22, no. 2, Nov 2025, doi: 10.33364/algoritma/v.22-2.2671.

M. Shabran, H. Darwis, dan S. Anraeni, “Klasifikasi Tingkat Stres Mahasiswa Universitas Muslim Indonesia Menggunakan Decision Tree dan Random Forest,” LINIER: Literatur Informatika dan Komputer, vol. 3, no. 2, hlm. 162–173, 2026.

J. T. J. Simamora, A. S. Sihite, O. K. Hutagaol, dan M. A. Sihombing, “Analisis Penerapan Algoritma Decision Tree, Random Forest, dan Naive Bayes pada Pengolahan Data untuk Sistem Cerdas,” IKRA-ITH Informatika: Jurnal Komputer dan Informatika, vol. 10, no. 2, hlm. 641–651, 2026.

D. O. Putri dan A. Qoiriah, “Klasifikasi Cyberbullying Pengguna Twitter Menggunakan Random Forest Dengan Penyematan Kata FastText,” Journal of Informatics and Computer Science (JINACS), vol. 6, no. 01, hlm. 265–272, Jun 2024, doi: 10.26740/jinacs.v6n01.p265-272.

M. F. Rahmatullah, P. L. Lokapitasari Belluano, dan H. Darwis, “Analisis Sentimen Review Aplikasi di Google Play Store Menggunakan Random Forest,” LINIER: Literatur Informatika dan Komputer, vol. 2, no. 3, hlm. 380–389, Okt 2025, doi: 10.33096/linier.v2i3.3149.

G. G. F. Djema dan Ozzi Suria, “Public Sentiment Analysis of Danantara Policy through Social Media X Using SVM and Random Forest,” INOVTEK Polbeng - Seri Informatika, vol. 10, no. 2, hlm. 1207–1217, Jul 2025, doi: 10.35314/rcr21h75.

Ni Made Tara Okta Adriana, I Made Agus Dwi Suarjaya, dan Dwi Putra Githa, “Analisis Sentimen Publik Terhadap Aksi Demonstrasi di Indonesia Menggunakan Support Vector Machine Dan Random Forest,” Decode: Jurnal Pendidikan Teknologi Informasi, vol. 3, no. 2, hlm. 257–267, Jun 2023, doi: 10.51454/decode.v3i2.187.

M. Yasir dan S. Robertus, “Perbandingan Metode Klasifikasi Naive Bayes, Decision Tree, Random Forest Terhadap Analisis Sentimen Kenaikan Biaya Haji 2023 Pada Media Sosial Youtube,” Jurnal Cahaya Mandalika ISSN 2721-4796 (online), vol. 3, no. 2, hlm. 180–192, Apr 2023, doi: 10.36312/jcm.v3i2.1520.

V. Fransisco dan D. B. Rarasati, “Analisis Sentimen Aplikasi Polri Super App Menggunakan Algoritma Random Forest,” Jurnal Ilmiah Sains dan Teknologi, vol. 8, no. 2, hlm. 183–195, Agu 2024, doi: 10.47080/saintek.v8i2.3383.

A. B. Aditya, S. Samsudin, W. P. Rizki, M. Mahendra, dan A. Setiawan, “Analisis Sentimen Ulasan Aplikasi Gojek Menggunakan Support Vector Machine dan Random Forest,” Jurnal Informatika Terpadu, vol. 11, no. 2, hlm. 134–143, 2025.

M. A. Ardiansyah, M. Alamsyah, dan M. F. Arif, “Analisis Sentimen Twitter Tentang Pinjaman Online di Indonesia Menggunakan Metode Random Forest,” Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi, vol. 13, no. 2, hlm. 1410, Agu 2024, doi: 10.35889/jutisi.v13i2.2215.

M. Maulidah, S. Suleman, A. Ardiansyah, E. Rahma, dan Q. E. A. Widodo, “Analisis Sentimen pada Ulasan Aplikasi Notion AI dengan Metode Support Vector Machine dan Random Forest,” SENTRI: Jurnal Riset Ilmiah, vol. 5, no. 2, hlm. 1147–1161, Feb 2026, doi: 10.55681/sentri.v5i2.5727.

S. A. S. Mola, N. D. Rumlaklak, S. K. M. Kom, D. P. N. Polly, dan S. Kom, Analisis Sentimen dengan Metode Random Forest. Kaizen Media Publishing, 2024.

A. F. Firdaus dan W. I. Firdaus, “Text Mining Dan Pola Algoritma Dalam Penyelesaian Masalah Informasi : (Sebuah Ulasan),” JUPITER: Jurnal Penelitian Ilmu dan Teknologi Komputer, vol. 13, no. 1, hlm. 66–78, Apr 2021, [Daring]. Tersedia pada: https://jurnal.polsri.ac.id/index.php/jupiter/article/view/3249

U. Khairani, V. Mutiawani, dan H. Ahmadian, “Pengaruh Tahapan Preprocessing Terhadap Model Indobert Dan Indobertweet Untuk Mendeteksi Emosi Pada Komentar Akun Berita Instagram,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 11, no. 4, hlm. 887–894, Agu 2024, doi: 10.25126/jtiik.1148315.

R. R. Putra, N. A. Putri, dan A. D. Putra, Teknik Cosine Similarity dan TF-IDF dalam analisis data. Serasi Media Teknologi, 2024.

D. Chrisinta dan J. E. Simarmata, “Eksplorasi Teknik Web Scraping pada Data Mining: Pendekatan Pencarian Data Berbasis Python,” Faktor Exacta, vol. 17, no. 1, Mei 2024, doi: 10.30998/faktorexacta.v17i1.22393.

C. N. Syahputri dan M. S. Hasibuan, “Optimasi Klasifikasi Decision Tree Dengan Teknik Pruning Untuk Mengurangi Overfitting,” JSiI (Jurnal Sistem Informasi), vol. 11, no. 2, hlm. 87–96, Sep 2024, doi: 10.30656/jsii.v11i2.9161.

R. AULIA, “Perbandingan Kinerja Algoritma Ensemble Learning Dalam Klasifikasi Tingkat Kesehatan Mental Pada Mahasiswa,” UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU, 2026.

N. Marchelo, T. N. Fatyanosa, dan R. S. Perdana, “Klasifikasi Sentimen Lintas Domain pada Komentar Media Sosial Menggunakan IndoBERT dengan Fine-Tuning dan Data Augmentation,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 9, no. 12, 2025.

A. Kurnia, H. Harlinda, dan H. Darwis, “Analisis Sentimen Pengguna Gojek Berdasarkan Ulasan pada App Store dengan Metode KNN, Naive Bayes, dan SVM,” LINIER: Literatur Informatika dan Komputer, vol. 2, no. 2, hlm. 234–245, Jun 2025, doi: 10.33096/linier.v2i2.3132.

R. Pate, S. Patil, M. Patil, dan R. Raut, “Sentiment Analysis of Tweets Using Machine Learning Algorithms,” dalam 2023 International Conference on Applied Intelligence and Sustainable Computing (ICAISC), IEEE, Jun 2023, hlm. 1–6. doi: 10.1109/ICAISC58445.2023.10199501.

Y. Paul, “Twitter Sentiment Analysis Using TF-IDF and Machine Learning Classifiers,” International Journal on Recent and Innovation Trends in Computing and Communication, vol. 11, no. 3, hlm. 693–701, Mar 2023, doi: 10.17762/ijritcc.v11i3.11515.

A. Amelia, L. N. Hayati, dan H. Darwis, “Analisis Sentimen Masyarakat Terhadap Sistem Pembayaran Mypertamina dengan Metode Random Forest, SVM, dan Naïve Bayes,” LINIER: Literatur Informatika dan Komputer, vol. 1, no. 1, hlm. 28–44, Nov 2024, doi: 10.33096/linier.v1i1.2269.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 Munadian Yunadian, Herman Herman, Herdianti Darwis

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.



Linier: Literatur Informatika dan Komputer indexed by

Google_Scholar_logogaruda_logoCROSSREF_logoROAD_logo

ISSN 3063-2218
Published by Prodi Teknik Informatika FIK Universitas Muslim Indonesia
Website :  https://jurnal.fikom.umi.ac.id/index.php/LINIER/
Email : linier@umi.ac.id

 This work is licensed under a Creative Commons Attribution-ShareAlike 4.0