Analisis Sentimen Terhadap Program Makan Bergizi Gratis Menggunakan Metode Logistic Regression

Indrawan, Ari Budi (Universitas Pelita Bangsa)
Maulana, Donny (Universitas Pelita Bangsa)
Abdurrohman, M. Zubair (Universitas Pelita Bangsa)

Progresif: Jurnal Ilmiah Komputer
Vol 22, No 2 (2026): April

This study aims to analyze public sentiment toward the Free Nutritious Meal Program (MBG), a policy implemented by the Indonesian government to improve the nutritional quality of students. The data used consist of 1,440 tweets collected through a scraping process from the X/Twitter platform. The data processing stages include preprocessing steps such as case folding, cleaning, tokenizing, stopword removal, and stemming using the Sastrawi library. Furthermore, the text data are transformed into numerical representations using the TF-IDF method and classified using the Logistic Regression algorithm. To enhance the model's performance, the SMOTE technique is applied to address data imbalance, along with GridSearchCV for parameter optimization. The results indicate that the Logistic Regression model achieves excellent performance, with an Accuracy of 98.96%, Precision of 99.14%, Recall of 98.10%, and an F1-Score of 98.61%. This study is expected to provide an objective overview of public perception and serve as a reference for policy evaluation and decision-making.Keywords: Sentiment Analysis; Free Nutritious Meal Program; Logistic Regression; Text mining; NLP.AbstrakPenelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap Program Makan Bergizi Gratis (MBG) yang merupakan kebijakan pemerintah Indonesia dalam meningkatkan kualitas gizi peserta didik. Data yang digunakan berupa 1.440 tweet yang diperoleh melalui proses scraping dari platform X/Twitter. Tahapan pengolahan data meliputi preprocessing yang terdiri dari case folding, cleaning, tokenizing, stopword removal, dan stemming menggunakan library Sastrawi. Selanjutnya, data teks diubah menjadi representasi numerik menggunakan metode TF-IDF dan diklasifikasikan menggunakan algoritma Logistic Regression. Untuk meningkatkan performa model, diterapkan teknik SMOTE dalam mengatasi ketidakseimbangan data serta GridSearchCV untuk optimasi parameter. Hasil penelitian menunjukkan bahwa model Logistic Regression memiliki kinerja yang sangat baik dengan akurasi sebesar 98,96%, Precision 99,14%, Recall 98,10%, dan F1-Score 98,61%. Penelitian ini diharapkan dapat memberikan gambaran objektif mengenai persepsi masyarakat serta menjadi bahan evaluasi dalam pengambilan kebijakan.Kata kunci: Analisis Sentimen; Makan Bergizi Gratis; Logistic Regression; Text mining; NLP.