Klasifikasi Sentimen Social Media Tentang Program Makan Bergizi Gratis dengan Metode Support Vector Machine (SVM)

Abstract

Program  Makan  Gratis  Bergizi  (MBG)  adalah  kebijakan  pemerintah  yang  telah  menarik  perhatian  luas  dan  menimbulkan  berbagai  reaksi  dari  masyarakat,  khususnya  di  platform  media  sosial  seperti  X.  Beragam  opini  ini  perlu  diteliti  secara  terstruktur  untuk  memahami  bagaimana  masyarakat  berpikir  dan  sebagai  referensi  untuk  penyiaran  implementasi  program  tersebut.  Algoritma  digunakan  untuk  analisis.  Proses  tersebut  meliputi  pembersihan  dan  pengolahan  teks,  serta  pembobotan  kata  berdasarkan  metode  TF-IDF.  Penelitian  ini  menggunakan  teknik  penambangan  teks.  Dataset  ini  berisi  848  tweet  berbahasa  Indonesia  yang  telah  melalui  beberapa  proses,  termasuk  pembersihan,  case-folding,  tokenisasi,  normalisasi,  penghapusan  stopword,  stemming,  ekstraksi  fitur  menggunakan  TF-IDF,  dan  penentuan  sentimen,  yang  dibagi  menjadi  tiga  kelas:  positif,  negatif,  dan  netral.Data  kemudian  dibagi  80:20  untuk  pelatihan  dan  pengujian  menggunakan  algoritma  SVM  dengan  kernel  linier.  Penelitian  ini  menyelidiki  bahwa  jumlah  tweet  sama  dengan  total  tweet.  Model  SVM  yang  menggunakan  kernel  linier  memberikan  hasil  terbaik  dengan  akurasi  80%,  skor  F1  tertimbang  0,80,  dan  skor  F1  makro  0,77.  Temuan  ini  menunjukkan  bahwa  kombinasi  pra-pemrosesan  teks,  TF-IDF,  dan  teknik  SVM  berhasil  dalam  mengenali  perasaan  masyarakat  terhadap  Program  Makanan  Bergizi  Gratis  yang  dibahas  di  media  sosial.