Klasifikasi Komentar Publik di Media Sosial pada Layanan Digital Pemerintah menggunakan Logistic Regression = Classification of Public Comments on Social Media Regarding Digital Government Services Using Logistic Regression

Transformasi layanan digital pemerintah menuntut adanya mekanisme responsif terhadap aspirasi publik di media sosial, khususnya Instagram yang menjadi kanal utama interaksi publik. Masifnya jumlah komentar memerlukan sistem klasifikasi untuk membedakan antara pujian, keluhan, dan saran secara cepat dan akurat. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi kinerja algoritma Logistic Regression dalam mengklasifikasi komentar publik pada akun Instagram Layanan Digital Pemerintah seperti Coretax, BPJS Kesehatan, dan MBG. Data yang digunakan melalui tahapan pengumpulan data, preprocessing, pelabelan data secara manual, dan ekstraksi fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF) yang dioptimalkan dengan seleksi fitur Chi-Square. Hasil pengujian terhadap 2.997 data uji menunjukkan bahwa model berhasil mencapai Accuracy sebesar 78%. Berdasarkan metrik evaluasi, kategori 'Keluhan' mencapai F1-Score tertinggi sebesar 84%, sedangkan kategori 'Pujian' sebesar 80%, dan kategori 'Saran' sebesar 56%. Rendahnya performa pada kategori saran dipengaruhi oleh ambiguitas linguistik dan ketimpangan distribusi data (imbalanced data). Secara keseluruhan, penelitian ini membuktikan bahwa metode Logistic Regression efektif dan reliabel untuk membantu instansi pemerintah dalam memetakan sentimen dan aspirasi publik secara otomatis guna meningkatkan kualitas pelayanan digital.