Analisis Sentimen MBG Di Media Sosial X Menggunakan Support Vector Machine Dan Naive Bayes

Abstract

Analisis sentimen merupakan salah satu penerapan Natural Language Processing yang digunakan untuk mengidentifikasi kecenderungan opini masyarakat ke dalam kategori positif, negatif, dan netral. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap Program Makan Bergizi Gratis pada media sosial X serta membandingkan kinerja algoritma Support Vector Machine dan Naive Bayes. Data penelitian menggunakan dataset publik yang diperoleh melalui platform Kaggle dan berasal dari unggahan pengguna media sosial X mengenai Program Makan Bergizi Gratis. Setelah proses pembersihan, penelitian menggunakan 1.335 data yang terdiri atas 612 sentimen positif, 377 sentimen negatif, dan 346 sentimen netral. Tahapan pengolahan data meliputi cleaning, case folding, tokenizing, stopword removal, stemming, dan pembobotan fitur menggunakan Term Frequency-Inverse Document Frequency. Hasil pengujian menunjukkan bahwa Support Vector Machine dengan kernel linear memperoleh akurasi sebesar 77,9% dan Macro F1-Score sebesar 0,78. Sementara itu, Multinomial Naive Bayes memperoleh akurasi sebesar 75,7% dan Macro F1-Score sebesar 0,75. Berdasarkan hasil tersebut, Support Vector Machine memiliki performa yang lebih baik dalam mengklasifikasikan sentimen masyarakat, terutama pada kelas netral. Temuan penelitian menunjukkan bahwa sentimen positif berhubungan dengan manfaat program dan peningkatan gizi siswa, sedangkan sentimen negatif didominasi oleh kekhawatiran terhadap anggaran, efisiensi, dan pelaksanaan program. Hasil penelitian ini dapat menjadi gambaran awal mengenai respons masyarakat terhadap kebijakan Program Makan Bergizi Gratis di media sosial.