Pembaruan Alun-Alun Jember menimbulkan beragam respons dari
masyarakat yang banyak diekspresikan melalui media sosial, sehingga
diperlukan metode otomatis untuk menganalisis opini publik tersebut secara
efisien. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap
pembaruan Alun-Alun Jember menggunakan algoritma Random Forest serta
mengidentifikasi distribusi sentimen ke dalam tiga kategori: positif, negatif,
dan netral. Data dikumpulkan melalui teknik web scraping menggunakan API
dari platform X dan TikTok dengan kata kunci #jembernusantara dan
#alunalunjember pada periode 6 Juni 2024 hingga 20 Februari 2025,
memperoleh sebanyak 1.420 komentar yang kemudian diproses melalui
tahapan cleaning, case folding, tokenizing, normalization, stopword removal,
stemming, dan pembobotan fitur menggunakan TF-IDF, serta penyeimbangan
kelas dengan SMOTE dan evaluasi model menggunakan K-Fold Cross
Validation (K=2 hingga K=10). Hasil pengujian menunjukkan bahwa model
Random Forest mampu mengklasifikasikan sentimen dengan akurasi berkisar
antara 89% hingga 96%, dengan nilai tertinggi 96% pada K=6, K=8, dan
K=10, serta F1-Score terbaik pada kelas negatif mencapai 100%, sehingga
disimpulkan bahwa kombinasi metode Random Forest dan SMOTE efektif
digunakan untuk analisis sentimen opini publik pada data teks media sosial.