<![CDATA[Program Makan Bergizi Gratis (MBG) merupakan kebijakan sosial yang memicu beragam respons masyarakat, khususnya di media sosial. Penelitian ini bertujuan menganalisis opini publik terhadap Program MBG melalui komentar TikTok, mengidentifikasi distribusi sentimen, serta membandingkan kinerja model IndoBERT dan Support Vector Machine (SVM) berbasis TF-IDF dalam klasifikasi sentimen berbahasa Indonesia. Data komentar diproses melalui tahapan preprocessing, meliputi pembersihan teks, penghapusan duplikasi, normalisasi bahasa, pengolahan emoji, case folding, dan penyesuaian format teks. Hasil penelitian menunjukkan bahwa IndoBERT memberikan performa yang lebih baik dibandingkan SVM-TF-IDF, dengan nilai accuracy sebesar 89,61% dan F1-makro 83,47%, sedangkan SVM-TF-IDF memperoleh accuracy 78,45% dan F1-makro 64,67%. Distribusi sentimen menunjukkan dominasi sentimen negatif (71,7%), diikuti sentimen netral (14,3%) dan positif (14,1%). Temuan ini mengindikasikan adanya kritik dan kekhawatiran masyarakat terhadap pelaksanaan Program MBG, namun tidak dapat dimaknai sebagai penolakan secara menyeluruh. Penelitian ini menunjukkan bahwa analisis sentimen berbasis Natural Language Processing dapat menjadi pendekatan yang efektif untuk memahami dinamika opini publik dan mendukung evaluasi komunikasi kebijakan berbasis data.]]>
Copyrights © 2026
