<![CDATA[Pemerintahan Prabowo-Gibran meluncurkan kebijakan strategis Program Makan Bergizi Gratis (MBG) untuk menjamin pemenuhan hak dasar anak atas pangan yang aman, sehat, dan bergizi. Urgensi program ini didasarkan pada angka stunting di Indonesia tahun 2024 yang mencapai 14%, sehingga peluncuran kebijakan Program Makan Bergizi Gratis (MBG) memicu diskusi publik yang masif di platform media sosial X dengan jumlah pengguna mencapai 24,7 juta orang. Namun, volume data yang besar tersebut menghadirkan masalah "Data Sampah" (Noise) berupa spam, promosi jualan, hingga akun bot yang berpotensi menyebabkan bias pada analisis opini publik terhadap program Program Makan Bergizi Gratis (MBG). Penelitian ini bertujuan membangun model klasifikasi opini tidak informatif dengan mengimplementasikan algoritma Random Forest berbasis Knowledge Discovery in Database (KDD) sebagai tahap pra-pemrosesan sebelum analisis sentimen lanjutan. Data yang digunakan berjumlah 10.000 tweet bersumber dari Kaggle, diproses melalui lima tahapan KDD meliputi Data Selection, Data Preprocessing, Data Transformation, Data Mining, dan Data Evaluation dengan menggunakan RapidMiner. Representasi fitur dilakukan dengan pembobotan TF-IDF dan validasi model menggunakan k-fold Cross Validation dengan k=10. Hasil evaluasi menunjukkan model mencapai akurasi 82,03%, precision 93,78%, recall 68,61%, dan F-Measure 79,24%. Hasil ini membuktikan bahwa pendekatan KDD berbasis Random Forest efektif digunakan sebagai pipeline filter noise yang terstruktur untuk teks media sosial berbahasa Indonesia, khususnya pada domain opini kebijakan pemerintah.]]>
