Perkembangan teknologi jaringan generasi kelima (5G) di Indonesia menimbulkan berbagai tanggapan dari masyarakat. Sebagian pihak menyambut positif kehadiran 5G karena menawarkan kecepatan tinggi dan efisiensi yang lebih baik, sementara sebagian lainnya masih menunjukkan keraguan terhadap dampak sosial, kesehatan, serta kesiapan infrastruktur yang dibutuhkan. Penelitian ini bertujuan untuk mengklasifikasikan sentimen publik terhadap implementasi teknologi 5G di Indonesia dengan menggunakan dua algoritma machine learning, yaitu Decision Tree dan K-Nearest Neighbor (KNN). Data dikumpulkan dari media sosial dan melalui proses pra-pemrosesan teks yang meliputi pembersihan data, penghapusan stopword, stemming, serta representasi fitur menggunakan metode TF-IDF. Dataset berjumlah 599 data yang dibagi menjadi 70% data latih dan 30% data uji. Hasil evaluasi menggunakan metrik akurasi, precision, recall, dan f1-score menunjukkan bahwa Decision Tree mencapai akurasi 82%, sedangkan KNN sebesar 65%. Decision Tree juga lebih unggul dalam mendeteksi sentimen positif dan netral secara lebih akurat.
SEMASTER: Seminar Nasional Teknologi Informasi & Ilmu Komputer; Vol. 4 No. 1 (2025): Prosiding SEMASTER: Seminar Nasional Teknologi Informasi & Ilmu Komputer; 322-333
Penerbit: Fakultas Ilmu Komputer