<![CDATA[Abstract The research aims to analyze the sentiment of students at SMAN 01 Manokwari toward the effectiveness of the Nutritious Meal Program (MBG), using one of the classification methods, namely the Naïve Bayes method. A total of 252 data points were analyzed, originating from student opinions that had undergone manual labeling into three sentiment categories: positive, neutral, and negative. The data distribution showed that 74.2% of the comments were positive, 15.1% neutral, and 10.7% negative. The data was then split into 80% training data and 20% test data. Before classification, feature extraction was performed using the TF-IDF method. The classification results showed that the Naïve Bayes algorithm was able to classify the data with a fairly high accuracy of 86.27%. The highest precision was obtained in the positive class at 0.92. Likewise, the highest recall was also achieved in the positive class at 0.97. The highest F1-Score was also obtained in the positive class, reaching 0.95, and the AUC value reached 0.98, which falls into the category of excellent classification. Based on these results, it can be concluded that the majority of students gave positive responses to the Free Nutritious Meal Program, and the Naïve Bayes method is quite effective for sentiment analysis of student opinion data. Abstrak Penelitian bertujuan untuk menganalisis sentimen pada siswa SMAN 01 Manokwari terhadap efektivitas Program Makan Bergizi (MBG) pada siswa, dengan menggunakan salah satu metode klasifikasi yaitu metode Naïve Bayes. Jumlah Data yang telah dianalisis sebanyak 252 yang berasal dari pendapat para siswa yang telah melalui proses pelabelan manual menjadi tiga kategori sentimen, yaitu positif, netral, dan negatif. Distribusi pada data menunjukkan 74,2% komentar ber sentimen positif, 15,1% netral, dan 10,7% negatif. Data kemudian dibagi menjadi 80% data latih dan 20% data uji sebelum dilakukan pengekstrakan fitur pada data, maka fitur menggunakan metode TF-IDF. Hasil dari klasifikasikasi menunjukkan bahwa algoritma Naïve Bayes dapat mengklasifikasikan data dengan akurasi yang cukup besar 86,27%. Precision tertinggi yang telah diperoleh pada kelas positif sebesar 0,92. Sedangkan untuk recall tertinggi juga diperoleh pada kelas positif sebesar 0,97. Nilai F1-Score tertinggi juga didapatkan oleh data positif yang mana untuk kelas positif mencapai 0,95 dan nilai AUC sebesar 0,98 yang termasuk dalam kategori excellent classification. Berdasarkan hasil tersebut, dapat disimpulkan bahwa sebagian besar siswa memberikan tanggapan positif terhadap program Makan Bergizi Gratis, dan metode Naïve Bayes cukup efektif digunakan dalam analisis sentimen data pada pendapat siswa.]]>
