<![CDATA[Penelitian ini bertujuan untuk membandingkan kinerja algoritma Support Vector Machine (SVM) dan Logistic Regression dalam klasifikasi sentimen masyarakat terhadap Program Makan Bergizi Gratis (MBG). Mengingat besarnya volume data teks tidak terstruktur pada media digital, evaluasi sentimen secara konvensional menjadi tidak efektif. Penelitian ini mengimplementasikan metode supervised learning untuk memetakan polaritas opini publik secara otomatis. Data penelitian diperoleh melalui teknik web crawling pada media sosial X (Twitter) dengan total 1.019 data komentar. Setelah melalui tahapan preprocessing yang meliputi cleaning, case folding, tokenizing, filtering, normalisasi, stopword removal, dan stemming, diperoleh 799 data bersih yang kemudian diekstraksi fiturnya menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Berdasarkan hasil pengujian menggunakan confusion matrix, algoritma SVM menunjukkan kinerja yang lebih unggul dengan nilai akurasi 82,50%, presisi 82,69%, recall 99,23%, dan F1-score 90,21%. Sementara itu, algoritma Logistic Regression menghasilkan nilai akurasi sebesar 81,25%. Hasil penelitian ini menyimpulkan bahwa SVM lebih efektif dalam mengklasifikasikan sentimen masyarakat terhadap Program MBG, yang dapat menjadi rekomendasi bagi pemangku kebijakan dalam memantau opini publik.]]>
Copyrights © 2026
