Perancangan Sistem Informasi Analisis Sentimen Opini Publik Terhadap Tren (Ai) Menggunakan Metode Random Forest Dan Naïve Bayes
DOI:
https://doi.org/10.59024/jiti.v4i4.2320Keywords:
Analisis Sentimen, Artificial Intelligence, Naïve Bayes, Random Forest, Sistem InformasiAbstract
. Perkembangan teknologi Artificial Intelligence (AI) berlangsung sangat pesat dan menimbulkan beragam opini publik di media sosial, baik positif, negatif, maupun netral. Oleh karena itu, diperlukan analisis sentimen untuk mengetahui kecenderungan opini masyarakat terhadap perkembangan teknologi tersebut. Penelitian ini bertujuan merancang Sistem Informasi Analisis Sentimen Opini Publik terhadap Tren Teknologi Artificial Intelligence (AI) menggunakan algoritma Random Forest dan Naïve Bayes, serta membandingkan performa kedua algoritma untuk menentukan model klasifikasi terbaik. Penelitian ini menggunakan pendekatan kuantitatif dengan metode Cross Industry Standard Process for Data Mining (CRISP-DM), didukung data kuesioner dari 327 responden menggunakan Skala Likert, serta 4.104 opini publik hasil scraping dari media sosial X (Twitter). Data diproses melalui tahapan cleaning, case folding, normalisasi, tokenisasi, stopword removal, stemming, dan ekstraksi fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), kemudian diklasifikasikan menggunakan algoritma Random Forest dan Naïve Bayes. Performa model dievaluasi menggunakan metrik accuracy, precision, recall, F1-score, Confusion Matrix, dan Receiver Operating Characteristic–Area Under Curve (ROC-AUC). Hasil penelitian menunjukkan bahwa algoritma Random Forest memperoleh akurasi lebih tinggi dibandingkan Naïve Bayes sehingga dipilih sebagai model terbaik. Hasil analisis sentimen menunjukkan bahwa sentimen positif mendominasi opini publik, diikuti sentimen negatif dan netral, yang menunjukkan bahwa masyarakat cenderung memberikan tanggapan positif terhadap perkembangan teknologi AI. Hasil tersebut diimplementasikan ke dalam sistem berbasis web menggunakan Streamlit untuk membantu pengguna menganalisis opini publik secara otomatis serta mendukung pengambilan keputusan terkait pemanfaatan teknologi AI.
References
Agung, F. N., Junaedi, I., & Yulianto, A. B. (2022). Perancangan Sistem Informasi Pelayanan Customer Dengan Platform Web. Jurnal Manajemen Informatika Jayakarta, 2, 320–325. https://doi.org/10.52362/jmijayakarta.v2i4.916
Agustika, F., Siregar, S., Obara, D., & Paramarta, V. (2023). Telaah Teknologi Informasi Dan Sistem Informasi Dalam Organisasi Dengan Lingkungan. Jurnal Bisnis Kolega ( JBK ), 9(1), 24–33. https://doi.org/https://doi.org/10.57249/jbk.v9i1.104
Ammar, H., & Wiranata, A. D. (2025). Perbandingan Tingkat Akurasi Algori tma Naïve Bayes , Decision Tree dan Random Forest dalam Analisis Sentimen Pengguna Aplikasi Samsat Digital Nasional. Indonesian Journal of Applied Informatics(IJAI), 10(1), 59–73. https://doi.org/10.20961/ijai.v10i1.111010
Arifin, H., Ahsyar, T. K., Islam, U., Sultan, N., & Riau, K. (2024). Analisis Keamanan Sistem Informasi Menggunakan Cobit 2019 pada Sistem Sawit Rakyat Online ( SRO ) Studi Kasus PTPN V. Jurnal Teknologi Sistem Informasi Dan Aplikasi, 7(3), 903–911. https://doi.org/10.32493/jtsi.v7i3.39650
Arifin, O., Azim, F., Hartati, Y., Widyawati, D. K., & Ahmad, A. L. (2025). Comparative Study on the Efficiency of Deep Learning Model Training in Cloud Environments: Google Colab vs AWS. Jurnal Pendidikan DanTeknologi Informasi, 5(2), 324–332. https://doi.org/http://dx.doi.org/10.51454/decode.v5i2.1197
Dewi, K., Susilowati, S., Kusmintarti, A., & Riwajanti, N. I. (2025). Integrating Streamlit , Facebook prophet , and machine learning models to create an interactive stock price and risk prediction dashboard. Edelweiss Applied Science and Technology, 9(11), 1453–1469. https://doi.org/10.55214/2576-8484.v9i11.11246
Fitriani Noer Jamilah, D. M. I. (2026). Implementasi Data Mining Untuk Prediksi Dan Klasifikasi Tingkat Stres Menggunakan Algoritma Random Forest. Jurnal Informatika Dan Teknik Elektro Terapan(JITET), 14(1), 905–913. https://doi.org/https://doi.org/10.23960/jitet.v14i1.8838
Gheisari, M. (2023). Data Mining Techniques for Web Mining : A Survey. Artificial Intelligence and Applications, 1(1), 3–10. https://doi.org/10.47852/bonviewAIA2202290
Khoeruddin, A., Sudrajat, F. A., & Purnama, G. (2023). Optimasi Fitur Seleksi Random Forest Menggunakan GA Dalam Klasifikasi Data Penyakit Gagal Jantung. Jurnal Penelitian Teknologi Informasi Dan Sains(JPTIS), 1(2), 1–9. https://doi.org/https://doi.org/10.54066/jptis.v1i2.323
M.Ulil Absor, A. H. (2024). Gudang Jurnal Multidisiplin Ilmu Perancangan Sistem Informasi UKS SDN 1 Pakis Kabupaten Banyuwangi. Gudang Jurnal Multidisiplin Ilmu, 2(10), 247–256. https://doi.org/https://doi.org/10.59435/gjmi.v2i10.991
Nawulansih, D. F., Santi, N. C., Aristia, I., Informatika, T., Nahdlatul, U., Sunan, U., Bojonegoro, G., Informasi, S., Nahdlatul, U., Sunan, U., & Bojonegoro, G. (2025). Aplikasi DANA di Google Play Store: Penerapan Support Vector Machine dan Synthetic Minority Over-sampling Technique. Jurnal Pendidikan Dan Teknologi Indonesia (JPTI), 5(9), 2660–2671. https://doi.org/https://doi.org/10.52436/1.jpti.1053
Nugrahanti, F., & Sussolaikah, K. (2021). Metode Importance Performa Analisys ( IPA ) sebagai Penentuan Kepuasan dan Kenyamanan Pengguna Website Universitas PGRI Madiun. Jurnal Ilmiah Sistem Informasi, Teknologi Informasi Dan Sistem Komputer, 16(2), 128–134. https://doi.org/https://doi.org/10.33998/processor.2021.16.2.996
Oktaviani, Kurniasari, E., Rosdiana, & Putra, F. K. (2025). Pemanfaatan Metode Naïve Bayes untuk Analisis Sentimen Terkait Insiden Server Down dan Peretasan pada Pusat Data Nasional. Jurnal Minfo Polgan, 14(1), 926–933. https://doi.org/https://doi.org/10.33395/jmp.v14i1.14929
Parker, A., Heflin, A., & Jones, L. C. (2021). Analyzing University of Virginia Health publications using open data , Python , and Streamlit. Journal of the Medical Library Association(JMLA), 109(4), 688–689. https://doi.org/https://doi.org/10.5195/jmla.2021.1360
Putra, A., Mansyuri, U., & Aryono, G. D. P. (2025). Analisis Penggunaan Sistem Face Recognition dalam Mengelola Absensi Karyawan di PT Bintang Inspeksi Indonesia. Jurnal Ilmiah Sistem Informasi Dan Ilmu Komputer, 5(1), 1–8. https://doi.org/https://doi.org/10.55606/juisik.v5i1.940
Rahman, A., Latifah, E. D., Fachrurrazi, S., Pertanian, A. F., Malikussaleh, U., Sistem, P., Fakultas, I., Malikussaleh, U., & Utara, A. (2022). Peranan Teknologi Informasi Dalam Meningkatkan Partisipasi Politik Warga Negara. Jurnal Ilmiah Sistem Informasi, 6, 11–23. https://doi.org/https://doi.org/10.29103/sisfo.v6i1.7961
Razaqi, A. W., Loka, N. P., Alfian, M., & Yudha, H. (2024). Optimalisasi Bisnis Melalui Artifical Intelligence Dengan Analisis Peluang, Tantangan Dan Dampak Di Berbagai Sektor. Jurnal Teknologi Informasi, 5(3), 727–741. https://doi.org/10.46576/djtechno
Rudy Seftiawan, Kurniawan, T. B., & Misinem, M. (2022). Analisis Sentimen pada e-Government Mobile Application Indonesia Menggunakan Algoritma Naïve Bayes. Jurnal Ilmiah Komputasi, 21(1), 43–50. https://doi.org/https://doi.org/10.32409/jikstik.21.1.2811
Satria, W. I., Hermawan, Y., & Figo, M Akbar, H. (2021). Definisi Sistem Portal Pengetahuan Dalam Pemerintahan Berdasarkan Pendekatan Modifikasi Soft System Methodology dan Hermeneutic. Jurnal Informatika Kesatuan (JIKES), 1(1), 61–70. https://doi.org/10.37641/jikes.v1i1.518
Srirahayu, Agustina, Pribadie, & Setya, L. (2023). Review Paper Data Mining Klasifikasi Data Mining. Jurnal Ilmiah Informatika Global, 14(1), 7–12. https://doi.org/10.36982/jiig.v13i2.2307
Supriyati et al. (2022). Journal of Information System. Jurnal Sistem Informasi (Journal of Information System), 18(2), 1–81. https://doi.org/https://doi.org/10.21609/jsi.v18i2
Syaifunazhirin, F. (2023). Literatur system-of-system untuk desain dan fungsi sistem informasi teknologi. Integrated Journal of Information Technology and Vocational Education, 5(2), 96–104. https://doi.org/10.17509/integrated.v5i2.64127
Vasiljeva, T., Kreituss, I., & Lulle, I. (2021). Artificial Intelligence : The Attitude of the Public and Representatives of Various Industries. Journal of Risk and Financial Management, 14(8), 1–17. https://doi.org/https://doi.org/10.3390/jrfm14080339
Wati, F. F., Suleman, & Widodo, A. E. (2025). Analisis Sentimen Ulasan Pengguna Aplikasi Deepseek Menggunakan Algoritma Random Forest Dan Naive Bayes. Computer and Network Technology,Universitas BSI, 5(1), 8–15. https://doi.org/https://doi.org/10.31294/hqpha267
Yakut, Ö. (2023). Diabetes Prediction Using Colab Notebook Based Machine Learning Methods. International Journal of Computational and Experimental Science and ENgineering (IJCESEN), 9(1), 36–41. https://doi.org/10.22399/ijcesen.1185474
Yanuargi, B., Ema Utami, K., & Parikesit, A. A. (2025). Deep Learning Neural Dalam Analisis Sentimen : Sebuah Studi Literatur. Jurnal Ilmiah Teknologi Sistem Informasi, 6(3), 321–328. https://doi.org/10.62527/jitsi.6.3.499
Published
Issue
Section
License
Copyright (c) 2026 JURNAL ILMIAH SAINS TEKNOLOGI DAN INFORMASI
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
