Analisis Sentimen Publik terhadap Program Makan Bergizi Gratis dengan Algoritma Naive Bayes

Kemal Hapidz Prastiawan; Dwi Yuniarto

doi:10.31004/riggs.v4i4.3652

Authors

Kemal Hapidz Prastiawan Universitas Sebelas April
Dwi Yuniarto Universitas Sebelas April

DOI:

https://doi.org/10.31004/riggs.v4i4.3652

Keywords:

Analisa Sentimen, Naïve Bayes, TF-IDF, NLP, Program Makan Bergizi Gratis

Abstract

Program Makan Bergizi Gratis (MBG) merupakan kebijakan pemerintah yang dirancang untuk meningkatkan pemenuhan gizi siswa sekolah dasar sekaligus mendukung keluarga dengan keterbatasan ekonomi. Namun, sejak diperkenalkan, program ini memunculkan beragam respons di ruang publik digital, khususnya media sosial, yang mencerminkan perbedaan pandangan masyarakat terhadap pelaksanaannya. Penelitian ini bertujuan untuk menggambarkan kecenderungan sentimen publik terhadap Program MBG melalui analisis komentar pengguna Instagram. Data yang digunakan berupa 300 komentar yang dikumpulkan dari unggahan akun Instagram @folkative yang membahas isu tersebut. Seluruh komentar dianalisis menggunakan pendekatan Natural Language Processing (NLP) dengan tahapan pra-pemrosesan teks, pelabelan sentimen berbasis model IndoBERT, pembobotan fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), serta proses klasifikasi menggunakan algoritma Naive Bayes. Hasil analisis menunjukkan bahwa sentimen negatif menjadi kategori yang paling dominan dengan persentase 46,6%, diikuti oleh sentimen positif sebesar 28,7% dan sentimen netral sebesar 24,7%. Dominasi sentimen negatif menunjukkan bahwa perhatian masyarakat lebih banyak tertuju pada aspek teknis pelaksanaan program, seperti transparansi anggaran dan efektivitas distribusi, dibandingkan tujuan kebijakannya. Model klasifikasi yang dibangun menghasilkan tingkat akurasi sebesar 84%, yang menandakan bahwa algoritma Naive Bayes cukup andal dalam mengklasifikasikan teks pendek dan bersifat informal. Selain itu, visualisasi word cloud pada setiap kategori sentimen membantu mengungkap kata-kata kunci yang merepresentasikan fokus utama perhatian publik. Temuan ini diharapkan dapat menjadi bahan pertimbangan bagi pemerintah dalam mengevaluasi pelaksanaan Program MBG serta menyusun strategi komunikasi kebijakan yang lebih responsif.

Downloads

Download data is not yet available.

References

A. S. B. Dahana, “Dinamika opini publik terhadap undang-undang perlindungan data pribadi (kasus percakapan media sosial X),” J. Media dan Komun. Indones., vol. 5, no. 2, pp. 100–124, 2024, [Online]. Available: https://jurnal.ugm.ac.id/jmki/article/view/93703

T. Arwindarti, E. I. Setiawan, and S. Imron, “Klasifikasi Sentimen Opini Publik Pada Instagram Pemerintah Kabupaten Bojonegoro Menggunakan LSTM,” Teknika, vol. 13, no. 1, pp. 1–9, 2023, doi: 10.34148/teknika.v13i1.699.

M. T. Anwar, D. Riandhita, A. Permana, P. Sistem, I. Industri, and J. Pusat, “Analisis Sentimen Masyarakat Indonesia Terhadap Produk Kendaraan Listrik Menggunakan VADER,” vol. 10, no. 1, pp. 783–792, 2023.

F. A. Suprapto, E. Praditya, R. M. Dewi, and W. Adiyoso, “A policy implementation review of the free nutritious meal (MBG) program,” J. Indones. Sustain. Dev. Plan., vol. 6, no. 2, pp. 297–312, 2025, doi: 10.46456/jisdep.v6i2.798.

U. Agustini, “Efektivitas dan Tantangan Kebijakan Program Makan Bergizi Gratis sebagai Intervensi Pendidikan di Indonesia,” J. Kiprah Pendidik., vol. 4, no. 3, pp. 362–368, 2025, doi: 10.33578/kpd.v4i3.p362-368.

Y. Asri, W. N. Suliyanti, D. Kuswardani, and M. Fajri, “Pelabelan Otomatis Lexicon Vader dan Klasifikasi Naive Bayes dalam menganalisis sentimen data ulasan PLN Mobile,” vol. 15, no. 2, pp. 264–275, 2022.

F. N. Burhansyah, Y. Sofyan, and A. Saputra, “Analisis Sentimen Komentar Instagram Terhadap Wacana Kebijakan Electronic Road Pricing ( Erp ) Di Jakarta Menggunakan Algoritma Naïve Bayes,” vol. XIV, no. 1, pp. 99–107, 2024.

N. Q. Rizkina and F. N. Hasan, “Analisis Sentimen Komentar Netizen Terhadap Pembubaran Konser NCT 127 Menggunakan Metode Naive Bayes,” J. Inf. Syst. Res., vol. 4, no. 4, pp. 1136–1144, 2023, doi: 10.47065/josh.v4i4.3803.

S. K. Dewi, D. D. Rahmawati, and A. P. Sari, “Analisis Sentimen Komentar pada Postingan Instagram " StandWithUs " Menggunakan Klasifikasi Naive Baye,” vol. 2, 2024.

M. H. Razka and N. Chamidah, “Analisis Sentimen Terhadap Aplikasi Peduli Lindungi pada Jejaring Sosial Twitter Menggunakan Aalgoritma Naïve Bayes dan Seleksi Fitur Particle Swarm Optimization,” vol. 4221, no. April, pp. 68–80, 2023.

P. F. Tf-idf, A. N. Halim, and N. A. Verdikha, “Analisis Sentimen Opini Publik Terhadap Peristiwa Bitcoin Halving Pada Data Teks Twitter Menggunakan Metode Naïve Bayes Dan,” vol. 4, no. 3, pp. 2823–2831, 2025.

M. F. Baihaqi, L. Magdalena, and R. Fahrudin, “Analisis Sentimen Aplikasi Deepseek Menggunakan Metode Naive Bayes dan Support Vector Machine,” vol. 4, no. 3, pp. 4051–4062, 2025.

A. S. Muliana, D. Lestarini, and S. P. Raflesia, “Analysis of Public Sentiment on Election Results using Naïve Bayes in Social Media X,” Sistemasi, vol. 13, no. 6, p. 2467, 2024, doi: 10.32520/stmsi.v13i6.4592.

P. Astuti and F. Andriansyah, “Analisis Sentimen Komentar Konten Edukatif Di Instagram Dengan Metode Naïve Bayes Dan Support Vector Machine,” IMTechno J. Ind. Manag. Technol., vol. 6, no. 1, pp. 27–31, 2025, doi: 10.31294/imtechno.v6i1.7262.

S. Saepudin, S. Widiastuti, and C. Irawan, “Sentiment Analysis of Social Media Platform Reviews Using the Naïve Bayes Classifier Algorithm,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 12, no. 2, pp. 236–243, 2023, doi: 10.32736/sisfokom.v12i2.1650.

A. Habiba, R. R. Isnanto, and J. E. Suseno, “The Effect of Chi Square Feature Selection on the Naïve Bayes Algorithm on the Analysis of Indonesian Society’s Sentiment About Face-to-Face Learning During the Covid-19 Pandemic,” JST (Jurnal Sains dan Teknol., vol. 12, no. 1, pp. 111–116, 2023, doi: 10.23887/jstundiksha.v12i1.51899.