cover
Contact Name
Susanti
Contact Email
indexsasi@apji.org
Phone
+6282350944949
Journal Mail Official
indexsasi@apji.org
Editorial Address
Perum. Bumi Pucang Gading, Jl. Watu Nganten 1 No. 1-6 Desa Batursari Kec. Mranggen, Jawa Tengah
Location
Kab. demak,
Jawa tengah
INDONESIA
Jurnal Publikasi Ilmu Komputer dan Multimedia
ISSN : 28089375     EISSN : 28088999     DOI : 10.55606
Core Subject : Science,
Jurnal Publikasi Ilmu Komputer dan Multimedia adalah jurnal yang dikhususkan untuk penelitian penelitian yang termasuk dalam bidang keilmuan komputer dan Multimedia yang diterbitkan oleh Pusat Riset dan Inovasi Nasional dan terbit 3 kali dalam setahun pada bulan Januari Mei dan September. Jurnal Publikasi Ilmu Komputer dan Multimedia berkomitmen untuk memuat artikel berbahasa Indonesia yang berkualitas dan dapat menjadi rujukan utama para peneliti dalam bidang Ilmu Komputer dan Multimedia.
Articles 171 Documents
Analisis Sentimen dan Persepsi Publik terhadap Pelaksanaan Program Makan Bergizi Gratis pada Media Sosial Threads mega ayu, virda; Harianto; Muchammad Hamdani; Mujito
Jurnal Publikasi Ilmu Komputer dan Multimedia Vol. 5 No. 3 (2026): September: Jurnal Publikasi Ilmu Komputer dan Multimedia
Publisher : Pusat Riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jupikom.v5i3.7470

Abstract

Program Makan Bergizi Gratis (MBG) merupakan kebijakan strategis nasional yang menargetkan 82,9 juta penerima manfaat pada tahun 2026. Skala program yang masif memunculkan respons publik yang beragam di media sosial, khususnya Threads sebagai platform diskusi naratif. Tujuan penelitian ini bertujuan untuk menganalisis persepsi publik terhadap pelaksanaan MBG melalui pendekatan analisis sentimen berbasis aspek dan klasifikasi emosi. Metode menggunakan metodologi CRISP-DM, penelitian ini menganalisis 7.016 unggahan Threads yang telah dilabeli sentimen (positive, negative, neutral, mixed), emosi (28 kelas), dan relevansi (relevant/not relevant). Lima model machine learning dibandingkan: Logistic Regression, Linear SVC, Multinomial Naive Bayes, Complement Naive Bayes, dan Random Forest dengan representasi TF-IDF 10.000 fitur. Evaluasi menggunakan Macro F1, Weighted F1, dan 5-fold cross-validation. Analisis statistik chi-square digunakan untuk menguji asosiasi sentimen-emosi. Hasil Random Forest mencapai performa terbaik untuk deteksi relevansi (Macro F1 = 0,8751), sementara Logistic Regression unggul pada klasifikasi sentimen (Macro F1 = 0,5206) dan emosi (Macro F1 = 0,2048). Sentimen negatif mendominasi (54,3% dari 4.968 data relevan), dengan emosi frustration (37,7%) dan anger (11,4%) sebagai emosi dominan. Gabungan emosi berisiko (frustration, anger, disappointment, worry) mencapai 57,1% dari total percakapan. Uji chi-square menunjukkan asosiasi signifikan antara sentimen dan emosi (χ² = 8.313,14, p < 0,001). Fitur linguistik yang paling membedakan adalah "korupsi," "anggaran," "keracunan" pada sentimen negatif, serta "alhamdulillah," "semangat," "sehat" pada sentimen positif. Kesimpulannya analisis sentimen dan emosi pada data Threads memberikan pemahaman granular tentang persepsi publik terhadap MBG. Temuan ini dapat digunakan sebagai masukan berbasis data untuk evaluasi kebijakan dan strategi komunikasi pemerintah. Kata Kunci: analisis sentimen, klasifikasi emosi, CRISP-DM, program MBG, kebijakan publik, Threads, NLP Indonesia