<![CDATA[Penelitian ini bertujuan untuk mengidentifikasi sentimen warganet terhadap Program Makan Bergizi Gratis (MBG) melalui analisis teks pada platform Twitter/X. Sebanyak 361 tweet dikumpulkan melalui proses scraping dan dipreproses melalui beberapa tahap, termasuk case folding, pembersihan teks, normalisasi, tokenisasi BERT, serta padding dan truncation. Model IndoBERT digunakan sebagai model utama untuk klasifikasi sentimen dan dilatih kembali (fine-tuning) menggunakan dataset berlabel tiga kategori, yaitu positif, negatif, dan netral. Hasil eksperimen menunjukkan bahwa model IndoBERT mampu melakukan klasifikasi dengan tingkat akurasi sebesar 60,27%, dengan nilai precision, recall, dan F1-score yang relatif seimbang. Distribusi sentimen memperlihatkan bahwa opini negatif sedikit lebih dominan dibandingkan sentimen positif dan netral. Sementara itu, confusion matrix mengindikasikan bahwa kelas netral merupakan kategori yang paling sulit dibedakan oleh model. Secara keseluruhan, penelitian ini menunjukkan bahwa IndoBERT dapat menjadi pendekatan yang efektif dalam menganalisis sentimen kebijakan publik di media sosial, meskipun kinerja model masih dapat ditingkatkan melalui perluasan dataset dan pelabelan manual yang lebih akurat.]]>
Copyrights © 2026
