PERBANDINGAN ALGORITMA LOGISTIC REGRESSION DAN RANDOM FOREST DALAM MENGKLASIFIKASI UJARAN KEBENCIAN TERHADAP PEMERINTAH PADA MEDIA SOSIAL X

Media sosial saat ini menjadi tempat di internet yang memungkinkan para penggunanya untuk berinteraksi, bekerja sama, berkomunikasi, dan membentuk ikatan sosial. Salah satu media sosial yang banyak digunakan saat ini adalah media sosial X yang telah mencapai 60.2% pengguna aktif harian. Sering kali dalam interaksi antar pengguna media sosial X muncul tweet yang mengandung ujaran kebencian terhadap pemerintah. Hal ini dapat mengakibatkan terjadinya tekanan politik dan memicu emosi masyarakat yang dapat mengakibatkan suatu konflik. Sehingga perlu adanya deteksi dan klasifikasi terhadap tweet tersebut. Salah satu metode yang dapat digunakan adalah metode Natural Language Processing (NLP) untuk membangun model klasifikasi dengan algoritma seperti Logistic Regression dan Random Forest serta pengoptimalan model dengan algoritma boosting seperti Adaboost. Dari beberapa pilihan algoritma tersebut perlu dianalisis algoritma mana yang dapat memberikan tingkat akurasi paling tinggi. Guna melakukan analisis tersebut, maka digunakan metode CRISP-DM untuk mengetahui kombinasi algoritma yang tepat untuk membangun model klasifikasi dengan tingkat akurasi yang tinggi. Melalui metode CRISP-DM didapat bahwa model yang dibangun dengan algoritma Logistic Regression mendapat akurasi sebesar 0.8 atau 80%, Random Forest 0.7796 atau 77.96%, Random Forest dengan Adaboost 0.7890 atau 78.90%, dan model Logistic Regression yang dioptimalkan dengan Adaboost memiliki akurasi tertinggi, yaitu 0.8125 atau 81.25%.

Kata Kunci: Media Sosial X, Ujaran Kebencian, Klasifikasi Teks, Logistic Regression, Random Forest, Adaboost