<![CDATA[Program Makan Bergizi Gratis (MBG) merupakan kebijakan nasional yang bertujuan meningkatkan kualitas gizi anak sekolah dan menekan angka stunting. Implementasi program ini menimbulkan beragam respons di media sosial yang mencerminkan persepsi publik terhadap efektivitas kebijakan. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap Program MBG berdasarkan data dari platform X dan YouTube serta membandingkan kinerja model Support Vector Machine (SVM), Random Forest, dan Long Short-Term Memory (LSTM). Data dikumpulkan melalui teknik web scraping dan diproses melalui tahapan pra-pemrosesan dan ekstraksi fitur menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF), ulasan dikategorikan menjadi 3 kelas sentimen positif, negatif, dan netral. Evaluasi model diukur menggunakan metrik akurasi, presisi, recall, dan F1-score. Model Random Forest menunjukkan kinerja yang unggul, mencapai akurasi, sebesar 87,2%. LSTM memperoleh performa yang cukup tinggi dengan akurasi, recall, dan recall sebesar 81,8% serta 81,7 untuk F1-score. Sementara SVM memiliki performa yang rendah dibanding kedua model lainnya, dengan akurasi, presisi, recall, dan F1-score sebesar 79,1%. Hasil studi menunjukkan bahwa Random Forest terbukti lebih stabil terhadap variasi data seperti teks dan penanganan data tidak seimbang, serta lebih tahan terhadap overfitting. Studi ini diharapkan dapat memberikan tinjauan komparatif dari tiga algoritma populer untuk analisis sentimen dan dapat digunakan sebagai referensi untuk memilih metode klasifikasi untuk ulasan bebahasa Indonesia.]]>
