<![CDATA[Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap program AbstrakPenelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap program makan siang gratis menggunakan komentar dari platform TikTok sebagai sumber data. Program makan siang gratis merupakan kebijakan sosial unggulan yang diperkenalkan pada Pemilu 2024 dengan tujuan meningkatkan gizi, kesehatan, dan prestasi akademik siswa. Dalam upaya memahami persepsi publik secara luas dan real-time, pendekatan teknologi berbasis Natural Language Processing (NLP) diterapkan. Model yang digunakan adalah IndoBERT, yang memiliki kemampuan memahami konteks bahasa Indonesia secara mendalam. Data diperoleh melalui proses crawling dan scraping komentar TikTok, kemudian dilakukan tahap pre-processing sebelum diklasifikasikan menjadi sentimen positif, negatif, dan netral. Sistem ini dibangun dalam bentuk web, admin melakukan pelabelan dan klasifikasi sentimen, serta publik dapat melihat hasil visualisasi berdasarkan input kata kunci. Evaluasi dilakukan menggunakan confusion matrix dengan hasil akurasi masing-masing kelas negatif dengan f1-score sebesar 89%, diikuti kelas positif sebesar 83%, dan netral sebesar 81%. Nilai macro average f1-score sebesar 84% dan weighted average f1-score sebesar 85% mencerminkan keseimbangan performa antar kelas. Hasil penelitian menunjukkan bahwa IndoBERT efektif dan stabil dalam mengklasifikasikan sentimen sosial media berbahasa Indonesia.Kata kunci: Analisis Sentimen, Program Makan Siang Gratis, TikTok, IndoBERT, Natural Language Processing, Visualisasi Data AbstractThis study aims to analyze public sentiment toward the free lunch program using comments from the TikTok platform as the primary data source. The free lunch program is a flagship social policy introduced during the 2024 General Election, with the objective of improving students’ nutrition, health, and academic performance. To capture public perceptions broadly and in real-time, a Natural Language Processing (NLP)-based approach was applied. The model employed is IndoBERT, which is capable of understanding the contextual nuances of the Indonesian language. Data were collected through crawling and scraping TikTok comments, followed by preprocessing before being classified into positive, negative, and neutral sentiments. The system was developed as a web-based application in which administrators perform labeling and sentiment classification, while the public can access visualization results based on keyword input. Evaluation using a confusion matrix demonstrated that the negative class achieved the highest F1-score of 89%, followed by the positive class with 83%, and the neutral class with 81%. The macro-average F1-score of 84% and weighted-average F1-score of 85% indicate balanced performance across classes. The findings show that IndoBERT is effective and robust in classifying social media sentiments expressed in the Indonesian language.Keywords: Sentiment Analysis, Free Lunch Program, TikTok, IndoBERT, Natural Language Processing, Data Visualization]]>
Copyrights © 2025
