ANALISIS SENTIMEN NON-FUNGIBLE TOKEN SOLANA DI MEDIA SOSIAL X DENGAN RANDOM FOREST DAN SUPPORT VECTOR MACHINE

Penelitian ini menganalisis sentimen terhadap NFT pada blockchain Solana di platform media sosial X menggunakan Support Vector Machine (SVM) dan Random Forest. Analisis ini penting bagi pengembang, investor, dan pemangku kepentingan lainnya untuk memahami sentimen publik, merancang strategi pemasaran, mengidentifikasi kebutuhan pasar, serta mengantisipasi tren masa depan. Data yang digunakan berupa tweet terkait NFT Solana. Metode SVM dengan kernel linear dan Random Forest masing-masing mencapai tingkat akurasi 69,56%, presisi 56,46%, recall 69,56%, dan F1-score 57,41%. Visualisasi kata-kata dominan dalam tweet menggunakan wordcloud menambah wawasan tentang sentimen publik. Meski efektif, kedua metode ini masih perlu peningkatan, terutama dalam mengatasi kesalahan klasifikasi False Negatives. Penelitian selanjutnya disarankan untuk meningkatkan volume data, menggunakan ensemble learning seperti SMOTE untuk menangani ketidakseimbangan kelas, dan mengeksplorasi algoritma lain. Studi ini memberikan wawasan berharga untuk pemangku kepentingan dalam ekosistem NFT Solana.