Klasifikasi Sentimen Komentar Pengguna Tiktok Mengenai Program Makan Bergizi Gratis (MBG) Dengan Support Vector Machine (SVM)

Muhamad Azril; Giatika Crisnawati

doi:10.31004/riggs.v5i1.7237

Authors

Muhamad Azril Universitas Bina Sarana Informatika
Giatika Crisnawati Universitas Bina Sarana Informatika

DOI:

https://doi.org/10.31004/riggs.v5i1.7237

Keywords:

Analisis Sentimen, Support Vector Machine (SVM), Makan Bergizi Gratis (MBG), Text Preprocessin, Lexicon-Based, Klasifikasi Teks

Abstract

Program Makan Bergizi Gratis (MBG) merupakan salah satu kebijakan pemerintah yang bertujuan untuk meningkatkan kualitas gizi masyarakat, khususnya bagi kelompok yang membutuhkan. Seiring berkembangnya media sosial, masyarakat banyak mengekspresikan opini dan tanggapan mereka terhadap kebijakan tersebut melalui platform digital seperti TikTok. Penelitian ini bertujuan untuk mengklasifikasikan sentimen komentar pengguna TikTok mengenai program Makan Bergizi Gratis (MBG) menggunakan algoritma Support Vector Machine (SVM) serta menganalisis persepsi publik berdasarkan hasil klasifikasi tersebut. Data penelitian diperoleh melalui proses web scraping menggunakan Apify dengan jumlah awal sebanyak 4.000 komentar. Setelah melalui tahap preprocessing yang meliputi cleaning, case folding, normalisasi kata, tokenizing, stopword removal, dan stemming, data yang digunakan dalam penelitian ini berjumlah 3.640 komentar. Pelabelan data dilakukan menggunakan pendekatan lexicon-based yang menghasilkan distribusi sentimen netral sebesar 40,63%, positif 30,52%, dan negatif 28,85%. Model klasifikasi dibangun dengan pembagian data latih dan data uji menggunakan rasio 80:20 serta menggunakan kernel Linear dan Radial Basis Function (RBF). Hasil pengujian menunjukkan bahwa kernel Linear menghasilkan performa terbaik dengan nilai akurasi sebesar 77,75%, precision 79%, dan recall 78%, sedangkan kernel RBF memperoleh akurasi sebesar 73,35%. Selain itu, visualisasi menggunakan wordcloud dan analisis N-gram digunakan untuk mengidentifikasi kata kunci dominan yang mencerminkan persepsi masyarakat. Hasil penelitian menunjukkan bahwa metode Support Vector Machine dengan kernel Linear efektif digunakan untuk klasifikasi sentimen komentar TikTok berbahasa Indonesia serta memberikan gambaran mengenai respons masyarakat terhadap program MBG yang didominasi oleh sentimen netral.

Downloads

Download data is not yet available.

References

Abdul Aziz, T., Ismayadi, I., & Budiman. (2025). Analisis Sentimen Terhadap Program Makan Siang Gratis pada Media Sosial X Menggunakan Logistic Regression dan SVM. In Search (Informatic, Science, Entrepreneur, Applied Art, Research, Humanism), 24(1), 18–28.

Ardiansyah, D., Saepudin, A., Aryanti, R., Fitriani, E., & Royadi. (2023). Analisis Sentimen Review Pada Aplikasi Media Sosial Tiktok Menggunakan Algoritma K-Nn Dan Svm Berbasis Pso. Jurnal Informatika Kaputama (JIK), 7(2), 233–241. https://doi.org/10.59697/jik.v7i2.148

Aufar, A. F., Mochamad Alfan Rosid, Eviyanti, A., & Astutik, I. R. I. (2023). Optimizing Text Preprocessing for Accurate Sentiment Analysis on E-Wallet Reviews. JICTE (Journal of Information and Computer Technology Education), 7(2), 42–50. https://doi.org/10.21070/jicte.v7i2.1650

Fitri, S. D., Lestari, D., Bintana, R. R., & Aryani, R. (2024). Implementasi Model Support Vector Machine Dalam Analisa Sentimen Masyarakat Mengenai Kebijakan Penerapan Aplikasi Mypertamina Program Studi Sistem Informasi , Universitas Jambi , Indonesia Aplikasi MyPertamina merupakan aplikasi yang diluncurkan oleh PT P. 2, 176–193.

Friska Aditia Indriyani, Ahmad Fauzi, & Sutan Faisal. (2023). Analisis sentimen aplikasi tiktok menggunakan algoritma naïve bayes dan support vector machine. TEKNOSAINS : Jurnal Sains, Teknologi Dan Informatika, 10(2), 176–184. https://doi.org/10.37373/tekno.v10i2.419

Hidayah, I. A., Kusumawati, R., Abidin, Z., & Imamuddin, M. (2024). Journal of Computer Networks , Architecture and High Performance Computing Analysis of Public Sentiment Towards The Tiktok Application Using The Naive Bayes Algorithm and Support Vector Machine Journal of Computer Networks , Architecture and High Performa. 6(2), 881–891.

Ma’rufudin, M., & Yudhistira, A. (2025). Analisis Sentimen Petani Milenial Pada Media Sosial X Menggunakan Algortitma Support Vector Machine (SVM). Jurnal Pendidikan Dan Teknologi Indonesia, 5(3), 845–857. https://doi.org/10.52436/1.jpti.717

Marpaung, R. E., Hardinata, J. T., & Nasution, R. A. (2022). Penerapan Algoritma K-Means Dalam Mengclustering Kualitas Bibit Kelapa Sawit Di PPKS Marihat. Zahra: Bulletin Big Data, Data Science and Artificial Intelligence, 1(1), 7–15. https://ejurnal.pdsi.or.id/index.php/zahra/article/view/9

Nugraha, V. A. (2025). ANALISIS KONTEN KESEHATAN MENTAL PADA TIKTOK MENGGUNAKAN METODE SENTIMEN ANALISIS. PREPOTIF : JURNAL KESEHATAN MASYARAKAT, 9(2), 3003–3008. https://doi.org/10.31004/prepotif.v9i2.44638

Pateman, D., Prasetyo, T. F., Sujadi, H., & Majalengka, U. (2025). SENTIMENT ANALYSIS OF GOVERNMENT ON TIKTOK AND X. 10(4), 900–908. https://doi.org/10.33480/jitk.v10i4.6645.(SVM)

Rachman, A. (2024). Metode penelitian kuantitatif, kualitatif dan r&d (G. Anis Anggraini, S.Pd., S. P. M. Raditya S.P, & S. A. Utamirohmahsari (eds.); Januari 20, Issue January). CV Saba Jaya.

Rafly Gusmansyah, M., & Hendrawan, H. (2025). Peningkatan Kinerja Analisis Sentimen pada Ulasan Aplikasi Identitas Kependudukan Digital (IKD) di Indonesia Menggunakan Algoritma Support Vector Machine (SVM) dan SMOTE under a Creative Commons Attribution-NonCommercial ShareAlike 4.0 International (CC B. 10(1), 2541–1179. https://journal.uin-alauddin.ac.id/index.php/instek

Saputra, J., Maryani, L., Rahmaddeni, Wulandari, D., & Eka, W. (2025). ANALISIS PERFORMA NAIVE BAYES DAN SVM TERHADAP SENTIMEN TEKS MEDIA SOSIAL DENGAN WORD2VEC DAN SMOTE. Jurnal INSTEK (Informatika Sains Dan Teknologi), 10(1), 143–155. https://doi.org/10.24252/instek.v10i1.54889

Sharon, Defit, S., & Nurcahyo, G. W. (2021). Tingkat Efisiensi Penggunaan Resep Dokter Spesialis Menggunakan Metode K-Means Clustering. Jurnal Informasi Dan Teknologi, 3, 121–127. https://doi.org/10.37034/jidt.v3i3.118

Suwarno, Y. A. (2023). Interaksi sosial Melalui Media Sosial Tik-Tok di Kalangan Siswa SMA PGRI 4 Jakarta. Global Komunika: Jurnal Ilmu Sosial Dan Ilmu Politik, April, 46–54. https://ejournal.upnvj.ac.id/GlobalKomunika/article/view/6563%0Ahttps://ejournal.upnvj.ac.id/GlobalKomunika/article/download/6563/2777

Widi Afandi, Tri Ginanjar Laksana, & Nia Annisa Ferani Tanjung. (2023). Penerapan Metode Support Vector Machine Analisis Sentimen Tweet Pergantian Logo Halal Di Indonesia. Elkom: Jurnal Elektronika Dan Komputer, 16(1), 44–52. https://doi.org/10.51903/elkom.v16i1.964

Windy Mardiyyah, N., Rahaningsih, N., & Ali, I. (2024). Penerapan Data Mining Menggunakan Algoritma K-Nearest Neighbor Pada Prediksi Pemberian Kredit Di Sektor Finansial. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 1491–1499. https://doi.org/10.36040/jati.v8i2.9010