Analisis Sentimen Masyarakat Terhadap Program Makan Bergizi Gratis Pada Media Sosial X Dengan Naïve Bayes

Abstract

Program Makan Bergizi Gratis (MBG) merupakan salah satu kebijakan strategis pemerintah yang bertujuan untuk meningkatkan kualitas sumber daya manusia melalui penguatan gizi dan kesehatan bagi siswa sekolah dasar sampai sekolah menengah atas. Meskipun memiliki tujuan positif, program ini memicu berbagai tanggapan dan opini dari masyarakat, terutama setelah munculnya beberapa kasus dugaan keracunan akibat konsumsi makanan dari program tersebut. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap komentar atau cuitan masyarakat terkait Program MBG yang dikumpulkan dari media sosial X (sebelumnya Twitter). Dataset yang digunakan berupa data tweet yang memuat opini, komentar atau informasi terkait MBG. Metode yang digunakan adalah Naïve Bayes Classifier, metode tersebut dapat mengklasifikasikan teks berbekal asumsi probabilitas kondisional yang kuat. Data teks akan melalui tahapan preprocessing seperti case folding, tokenizing, filtering, dan stemming, sebelum diboboti menggunakan TF-IDF (Term Frequency-Inverse Document Frequency). Hasil klasifikasi sentimen akan dikelompokkan menjadi sentimen Positif dan Negatif. Hasil evaluasi menunjukkan peningkatan performa model dengan nilai akurasi mencapai 0.974. Pada kelas Negative, diperoleh precision 0.97, recall 1.00, dan f1-score 0.99, sedangkan pada kelas Positive diperoleh precision 1.00, recall 0.64, dan f1-score 0.87. Penelitian ini menunjukkan bahwa algoritma Naïve Bayes yang dikombinasikan dengan metode TF-IDF dan pendekatan self-training mampu melakukan analisis sentimen terhadap tweet mengenai MBG secara efektif dengan hasil klasifikasi akhir menunjukkan bahwa sentimen masyarakat lebih banyak terhadap sentimen negatif, sehingga penelitian ini dapat menjadi dasar evaluasi kebijakan publik berdasarkan analisis sentimen media sosial.