ANALISIS SENTIMEN TERHADAP ISU PERLINDUNGAN DATA NASIONAL MENGGUNAKAN LOGISTIC REGRESSION

Perhatian publik terhadap perlindungan data pribadi terus meningkat seiring pesatnya perkembangan teknologi digital, menjadikannya isu penting untuk dianalisis. Opini publik di media sosial menjadi sumber informasi potensial untuk memahami persepsi masyarakat. Penelitian ini bertujuan untuk mengevaluasi performa algoritma Logistic Regression dalam mengklasifikasikan sentimen publik terkait isu perlindungan data, dengan membandingkan dua teknik representasi fitur, yaitu TF-IDF dan Word2Vec, serta penerapan SMOTE untuk mengatasi ketidakseimbangan distribusi data. Data dikumpulkan dari media sosial X (Twitter) sebanyak 1.191 ulasan dan diseleksi menjadi 1.159 data setelah penghapusan duplikat. Tahapan preprocessing meliputi tokenisasi, penghapusan stopword, dan stemming. Hasil pengujian menunjukkan bahwa kombinasi TF-IDF dengan Logistic Regression memberikan akurasi tertinggi sebesar 84%, sedangkan kombinasi Word2Vec dengan Logistic Regression menghasilkan akurasi sebesar 83%. Penerapan SMOTE juga terbukti meningkatkan performa model dengan membantu menyeimbangkan klasifikasi antarkelas. Temuan ini menunjukkan bahwa pemilihan teknik representasi fitur dan penanganan data tidak seimbang merupakan faktor krusial dalam meningkatkan kualitas analisis sentimen publik terkait perlindungan data.