<![CDATA[Abstrak. Kebijakan program Makan Bergizi Gratis (MBG) menuai perhatian publik terkait implikasinya terhadap alokasi anggaran dalam APBN. Platform X menjadi wadah utama bagi masyarakat untuk menyampaikan opini dan kritik secara terbuka. Penelitian ini bertujuan mengklasifikasikan sentimen netizen X terhadap evaluasi kebijakan MBG dan anggaran APBN menggunakan metode text mining. Algoritma klasifikasi yang diterapkan adalah Naïve Bayes dengan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF) yang diolah menggunakan RapidMiner Studio. Dataset penelitian berjumlah 3.500 tweet yang terbagi menjadi 1.400 tweet (40%) sentimen positif dan 2.100 tweet (60%) sentimen negatif. Validasi model diuji menggunakan metode 10-Fold Cross Validation. Hasil pengujian menunjukkan algoritma Naïve Bayes menghasilkan tingkat akurasi sebesar 84,49%, yang termasuk dalam Kategori Klasifikasi yang Baik (Good Classification). Model mencatatkan nilai Class Precision tertinggi pada sentimen negatif sebesar 87,52% dan Class Recall sebesar 86,48%. Analisis kata kunci menunjukkan sentimen positif berfokus pada perbaikan gizi anak, sedangkan sentimen negatif didominasi kekhawatiran fiskal negara seperti risiko defisit APBN, utang, dan beban pajak. Kesalahan klasifikasi sebesar 15,51% dipicu kelemahan independensi kata Naïve Bayes dalam memproses kalimat negasi atau sarkasme. Secara keseluruhan, model ini andal sebagai instrumen analisis opini publik guna mendukung evaluasi kebijakan Kata Kunci: Analisis Sentimen, Makan Bergizi Gratis, APBN, Naïve Bayes.]]>
