<![CDATA[Program Makan Bergizi Gratis (MBG) merupakan salah satu prioritas pembangunan nasional yang bertujuan untuk memperkuat pemenuhan gizi anak, mengurangi stunting, dan meningkatkan kualitas sumber daya manusia. Namun, implementasi kebijakan ini memicu reaksi beragam di media sosial, mulai dari dukungan hingga kritik mengenai efektivitas, pendanaan, dan aspek teknis pelaksanaannya. Analisis sentimen konvensional dalam bahasa Indonesia masih mengalami keterbatasan dalam memahami konteks informal, sehingga dibutuhkan model yang lebih adaptif dan presisi. Penelitian ini bertujuan untuk mengoptimalkan model Long Short-Term Memory (LSTM) guna meningkatkan akurasi analisis sentimen masyarakat terhadap Program MBG. Metode yang digunakan meliputi pengumpulan data dari platform media sosial, pembersihan dan preprocessing teks, pelatihan model baseline LSTM, optimasi arsitektur melalui hyperparameter tuning, evaluasi performa, serta visualisasi sentimen publik. Hasil penelitian menunjukkan bahwa model LSTM teroptimasi mampu meningkatkan akurasi secara signifikan dibandingkan model baseline. Penelitian ini diharapkan memberikan kontribusi signifikan terhadap pengembangan Natural Language Processing (NLP) berbahasa Indonesia serta mendukung perumusan kebijakan publik yang lebih adaptif dan berbasis bukti.]]>
Copyrights © 2026
