Claim Missing Document
Check
Articles

Found 1 Documents
Search

Klasifikasi Sentimen Komentar Pengguna Tiktok Mengenai Program Makan Bergizi Gratis (MBG) Dengan Support Vector Machine (SVM) Azril, Muhamad; Crisnawati, Giatika
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 1 (2026): Februari - April
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i1.7237

Abstract

Program Makan Bergizi Gratis (MBG) merupakan salah satu kebijakan pemerintah yang bertujuan untuk meningkatkan kualitas gizi masyarakat, khususnya bagi kelompok yang membutuhkan. Seiring berkembangnya media sosial, masyarakat banyak mengekspresikan opini dan tanggapan mereka terhadap kebijakan tersebut melalui platform digital seperti TikTok. Penelitian ini bertujuan untuk mengklasifikasikan sentimen komentar pengguna TikTok mengenai program Makan Bergizi Gratis (MBG) menggunakan algoritma Support Vector Machine (SVM) serta menganalisis persepsi publik berdasarkan hasil klasifikasi tersebut. Data penelitian diperoleh melalui proses web scraping menggunakan Apify dengan jumlah awal sebanyak 4.000 komentar. Setelah melalui tahap preprocessing yang meliputi cleaning, case folding, normalisasi kata, tokenizing, stopword removal, dan stemming, data yang digunakan dalam penelitian ini berjumlah 3.640 komentar. Pelabelan data dilakukan menggunakan pendekatan lexicon-based yang menghasilkan distribusi sentimen netral sebesar 40,63%, positif 30,52%, dan negatif 28,85%. Model klasifikasi dibangun dengan pembagian data latih dan data uji menggunakan rasio 80:20 serta menggunakan kernel Linear dan Radial Basis Function (RBF). Hasil pengujian menunjukkan bahwa kernel Linear menghasilkan performa terbaik dengan nilai akurasi sebesar 77,75%, precision 79%, dan recall 78%, sedangkan kernel RBF memperoleh akurasi sebesar 73,35%. Selain itu, visualisasi menggunakan wordcloud dan analisis N-gram digunakan untuk mengidentifikasi kata kunci dominan yang mencerminkan persepsi masyarakat. Hasil penelitian menunjukkan bahwa metode Support Vector Machine dengan kernel Linear efektif digunakan untuk klasifikasi sentimen komentar TikTok berbahasa Indonesia serta memberikan gambaran mengenai respons masyarakat terhadap program MBG yang didominasi oleh sentimen netral.