PREDIKSI INTERAKSI PENGGUNA MEDIA SOSIAL X DENGAN ALGORITMA MACHINE LEARNING

Abstrak

Media sosial kini menjadi ruang komunikasi publik yang penting, termasuk bagi instansi pemerintah dalam
menyampaikan informasi kepada masyarakat. Penelitian ini bertujuan memprediksi tingkat interaksi pengguna pada akun
resmi Kementerian Pertanian Republik Indonesia (Kementan RI) di platform X (Twitter) menggunakan algoritma machine
learning. Data penelitian berupa 334 tweet yang dipublikasikan pada periode April hingga Juni 2025, dianalisis berdasarkan
jumlah like, reply, dan repost. Proses pra-pemrosesan mencakup pembersihan teks, normalisasi, penghapusan stopwords,
serta transformasi teks ke dalam representasi numerik dengan TF-IDF. Empat algoritma diuji, yaitu Naive Bayes, Logistic
Regression, Support Vector Machine (SVM), dan K-Nearest Neighbors (KNN). Evaluasi kinerja model menggunakan
metrik akurasi, presisi, recall, F1-score, macro average, dan weighted average untuk menangani distribusi data yang tidak
seimbang. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes memberikan performa terbaik dengan akurasi 82%
dan F1-score 0.74, terutama pada klasifikasi interaksi rendah. Logistic Regression dan KNN menunjukkan performa cukup
baik namun belum stabil, sedangkan SVM memiliki performa paling rendah, khususnya pada deteksi interaksi tinggi.
Temuan ini menunjukkan bahwa Naive Bayes dapat direkomendasikan sebagai algoritma utama dalam prediksi interaksi
media sosial X. Selain itu, hasil penelitian ini dapat menjadi landasan untuk menyusun strategi komunikasi digital
pemerintah yang lebih efektif, berbasis data dan prediksi tingkat keterlibatan audiens.