Analisis Sentimen Starlink di Indonesia dengan Pendekatan Lexicon dan Random Forest

Abstract

Perkembangan internet yang pesat mendorong kebutuhan akan koneksi stabil di seluruh wilayah Indonesia. Starlink hadir sebagai layanan internet berbasis satelit orbit rendah (LEO) yang menjanjikan konektivitas di area terpencil. Penelitian ini bertujuan untuk menganalisis persepsi publik terhadap layanan Starlink berdasarkan komentar pengguna YouTube, dengan menggunakan pendekatan analisis sentimen berbasis lexicon dan algoritma Random Forest. Data dikumpulkan dari dua video YouTube populer tentang Starlink, kemudian dilakukan preprocessing yang mencakup cleaning, normalisasi, tokenisasi, dan stemming. Sentimen diklasifikasikan menjadi tiga, yaitu positif, negatif, dan netral menggunakan lexicon Bahasa Indonesia. Selanjutnya, model klasifikasi dikembangkan menggunakan algoritma Random Forest dan diuji pada tiga skenario pembagian data: 60:40, 70:30, dan 80:20. Evaluasi dilakukan berdasarkan akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model mampu memprediksi sentimen dengan performa terbaik pada rasio 80:20. Penelitian ini juga menghasilkan model prediksi sederhana untuk mengklasifikasikan komentar baru secara otomatis.