<![CDATA[Program Makan Bergizi Gratis (MBG) merupakan kebijakan strategis nasional yang menargetkan 82,9 juta penerima manfaat pada tahun 2026. Skala program yang masif memunculkan respons publik yang beragam di media sosial, khususnya Threads sebagai platform diskusi naratif. Tujuan penelitian ini bertujuan untuk menganalisis persepsi publik terhadap pelaksanaan MBG melalui pendekatan analisis sentimen berbasis aspek dan klasifikasi emosi. Metode menggunakan metodologi CRISP-DM, penelitian ini menganalisis 7.016 unggahan Threads yang telah dilabeli sentimen (positive, negative, neutral, mixed), emosi (28 kelas), dan relevansi (relevant/not relevant). Lima model machine learning dibandingkan: Logistic Regression, Linear SVC, Multinomial Naive Bayes, Complement Naive Bayes, dan Random Forest dengan representasi TF-IDF 10.000 fitur. Evaluasi menggunakan Macro F1, Weighted F1, dan 5-fold cross-validation. Analisis statistik chi-square digunakan untuk menguji asosiasi sentimen-emosi. Hasil Random Forest mencapai performa terbaik untuk deteksi relevansi (Macro F1 = 0,8751), sementara Logistic Regression unggul pada klasifikasi sentimen (Macro F1 = 0,5206) dan emosi (Macro F1 = 0,2048). Sentimen negatif mendominasi (54,3% dari 4.968 data relevan), dengan emosi frustration (37,7%) dan anger (11,4%) sebagai emosi dominan. Gabungan emosi berisiko (frustration, anger, disappointment, worry) mencapai 57,1% dari total percakapan. Uji chi-square menunjukkan asosiasi signifikan antara sentimen dan emosi (χ² = 8.313,14, p < 0,001). Fitur linguistik yang paling membedakan adalah "korupsi," "anggaran," "keracunan" pada sentimen negatif, serta "alhamdulillah," "semangat," "sehat" pada sentimen positif. Kesimpulannya analisis sentimen dan emosi pada data Threads memberikan pemahaman granular tentang persepsi publik terhadap MBG. Temuan ini dapat digunakan sebagai masukan berbasis data untuk evaluasi kebijakan dan strategi komunikasi pemerintah. Kata Kunci: analisis sentimen, klasifikasi emosi, CRISP-DM, program MBG, kebijakan publik, Threads, NLP Indonesia]]>
