Analisis Sentimen Masyarakat Terhadap Program Makan Bergizi Gratis Menggunakan SVM

Abstract

Program Makan Bergizi Gratis merupakan kebijakan strategis nasional yang memicu beragam opini publik di ruang digital. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap implementasi program tersebut menggunakan data dari media sosial Twitter/X. Pendekatan yang diterapkan berbasis text mining melalui pembobotan Term Frequency-Inverse Document Frequency (TF-IDF) dan klasifikasi menggunakan algoritma Support Vector Machine (SVM), Logistic Regression dan Naïve Bayes. Melalui teknik web scraping, diperoleh dataset awal sebanyak 6.210 twit, yang kemudian menyusut menjadi 4.121 data setelah tahapan deduplikasi. Proses pelabelan manual menunjukkan sebaran sentimen yang tidak seimbang (imbalanced dataset), didominasi oleh kelas positif (82,76%), diikuti negatif (9,73%), dan netral (7,58%). Sebelum pemodelan data melalui tahapan preprocessing yang meliputi cleaning, case folding, tokenization, stopword removal, dan stemming. Hasil pengujian model SVM menunjukkan performa yang cukup baik dengan nilai akurasi sebesar 0,849, F1-score 0,839, dan MCC 0,444, di mana sensitivitas tertinggi berada pada kategori positif dengan recall mencapai 0,946. Sebaliknya, performa pada kelas minoritas (negatif dan netral) masih tergolong rendah akibat bias ketidakseimbangan data. Eksperimen komparatif dengan Logistic Regression menghasilkan akurasi (0,857) dan AUC (0,932) yang sedikit lebih tinggi, namun SVM terbukti lebih konsisten dalam menjaga stabilitas klasifikasi antar-kelas. Secara keseluruhan, pendekatan ini efektif memetakan respons publik, dan disarankan bagi penelitian selanjutnya untuk menerapkan metode penanganan imbalanced data guna mengoptimalkan akurasi pada kelas minoritas.

GS Cited Analysis