<![CDATA[Program Makan Bergizi Gratis (MBG) yang digulirkan pemerintah Indonesia pada awal 2025 memicu perbincangan masif di platform X dengan beragam respons masyarakat. Volume unggahan yang sangat besar menjadikan pendekatan manual tidak efektif untuk memetakan opini publik, sehingga diperlukan metode komputasional berbasis machine learning. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap program MBG serta membandingkan kinerja algoritma Naive Bayes dan Support Vector Machine (SVM) pada klasifikasi sentimen berbahasa Indonesia. Data dikumpulkan melalui scraping platform X sebanyak 3.457 tweet periode Januari–Februari 2025. Preprocessing teks meliputi cleaning, case folding, tokenisasi, stopword removal, dan stemming menggunakan library Sastrawi. Pelabelan sentimen dilakukan dengan InSet Lexicon dan ekstraksi fitur menggunakan TF-IDF dengan pembagian data 80:20. Hasil evaluasi menunjukkan SVM dengan kernel linear mencapai akurasi 92,91%, presisi 92,63%, recall 92,91%, F1-Score 90,49%, dan AUC-ROC 0,9087, sedangkan Naive Bayes memperoleh akurasi 91,73%, presisi 84,40%, recall 91,73%, dan F1-Score 87,91%. SVM terbukti lebih unggul dari Naive Bayes pada seluruh metrik, dengan sentimen masyarakat didominasi positif sebesar 90%.]]>
Copyrights © 2026
