Claim Missing Document
Check
Articles

Found 1 Documents
Search

Analisis Sentimen Kebijakan Makan Bergizi Gratis Menggunakan IndoBERT dan Machine Learning Sulistyo, Danang Arbian; Setiadi, Erik
JURNAL FASILKOM Vol. 15 No. 3 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v15i3.10546

Abstract

Media sosial telah menjadi forum vital untuk opini publik terhadap kebijakan pemerintah, seperti program "Makan Bergizi Gratis" (MBG) di Indonesia. Memahami sentimen ini sangat penting bagi pemangku kepentingan. Penelitian ini bertujuan untuk (1) menganalisis distribusi sentimen publik terhadap kebijakan MBG dan (2) menentukan model machine learning terbaik untuk klasifikasi sentimen tersebut. Penelitian ini menggunakan 12.389 tweet yang dikumpulkan dari platform X. Metode hybrid labeling, yang mengkombinasikan leksikon berbasis domain dengan IndoBERT, diterapkan untuk melabeli data secara otomatis. Untuk klasifikasi, tiga model (Random Forest, XGBoost, dan Ensemble) dibandingkan menggunakan fitur hybrid (TF-IDF trigram, embedding IndoBERT, dan fitur leksikon) pada dataset yang telah diseimbangkan dengan SMOTE. Hasil penelitian menunjukkan bahwa sentimen publik didominasi oleh sentimen negatif (68,6%), diikuti oleh positif (19,5%) dan netral (11,9%). Model Random Forest menunjukkan kinerja tertinggi, dengan pencapaian F1-Score rata-rata 0.9383 pada K-Fold cross-validation dan 0.9363 pada test set final. Studi ini membuktikan bahwa pendekatan hybrid yang diusulkan sangat efektif untuk klasifikasi sentimen publik berbahasa Indonesia pada domain kebijakan pemerintah.