<![CDATA[Program Makan Bergizi Gratis menjadi salah satu kebijakan yang banyak dibicarakan di media sosial karena berkaitan langsung dengan isu gizi, distribusi bantuan, dan pelaksanaan program pemerintah. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap Program Makan Bergizi Gratis berdasarkan percakapan di Twitter sekaligus menguji kinerja model RoBERTa dalam klasifikasi sentimen. Data penelitian diperoleh melalui teknik scraping Twitter pada periode Januari 2025 sampai Maret 2026 dan menghasilkan 3.566 tweet yang disimpan dalam format CSV. Data selanjutnya diproses melalui tahap pre-processing yang meliputi cleaning, case folding, normalisasi kata, tokenisasi, dan stopword removal. Setelah itu, teks diterjemahkan ke dalam bahasa Inggris dan diberi label sentimen menggunakan metode VADER berdasarkan nilai compound score yang dikategorikan menjadi tiga kelas: yaitu positif, negatif, dan netral. Model RoBERTa dikembangkan dengan Hugging Face dan PyTorch, dengan pembagian dataset untuk 70% data pelatihan dan 30% untuk pengujian, serta menerapkan early stopping dengan patience 5 dan maksimum 30 epoch. Temuan penelitian mengungkap bahwa sentimen positif mendominasi dengan 70,27%, diikuti sentimen negatif 22,04%, dan netral 7,68%. Dari sisi performa model, RoBERTa menghasilkan accuracy 0,8709 serta macro F1-score 0,7970, menunjukkan efektivitas RoBERTa sekaligus menyoroti kendala pada kelas netral yang sulit diklasifikasikan. Pencapaian ini membuktikan bahwa RoBERTa cukup andal untuk analisis sentimen pada data Twitter, meskipun klasifikasi sentimen netral masih perlu ditingkatkan.]]>
