Twitter telah menjadi platform utama untuk menyuarakan opini publik terhadap
berita politik. Namun, volume data yang masif dan tidak terstruktur membuat analisis
manual menjadi tidak efisien. Penelitian ini bertujuan untuk mengatasi tantangan
tersebut dengan mengusulkan penerapan algoritma Random Forest untuk klasifikasi
sentimen.Metode penelitian dimulai dengan pengumpulan data tweet terkait berita
politik di Indonesia dari tahun 2020 hingga 2025. Data tersebut kemudian melalui tahap
preprocessing intensif, meliputi cleaning, case folding, tokenization, stemming, dan
stopword removal. Selanjutnya, fitur teks diubah menjadi representasi numerik
menggunakan pembobotan TF-IDF. Model Random Forest kemudian dilatih dan
kinerjanya dievaluasi menggunakan Confusion Matrix dan K-Fold Cross
Validation.Hasil pengujian menunjukkan bahwa model Random Forest mampu
mengklasifikasikan sentimen dengan sangat efektif. Model mencapai tingkat akurasi
sebesar 81% pada pembagian data training dan testing 90:10. Nilai precision, recall,
dan F1-score juga menunjukkan performa yang baik, masing-masing sebesar 84%,
81%, dan 76%.Dapat disimpulkan bahwa algoritma Random Forest terbukti
merupakan pendekatan yang efektif dan andal untuk menganalisis sentimen opini
publik terhadap berita politik di Twitter. Penelitian ini memberikan kontribusi praktis
dalam bidang analisis sentimen, yang dapat dimanfaatkan oleh berbagai pemangku
kepentingan untuk pengambilan keputusan yang lebih berbasis data.
Kata Kunci: Analisis, Berita, Politik, Twitter.