Analisis Sentimen Program Makan Bergizi Gratis pada Media Sosial X dengan Algoritma Support Vector Machine

Abstract

Program Makan Bergizi Gratis (MBG) merupakan salah satu kebijakan pemerintah yang bertujuan meningkatkan kualitas gizi masyarakat dan menurunkan angka stunting di Indonesia. Tanggapan masyarakat terhadap program selama pelaksanaannya banyak disampaikan melalui media sosial X, termasuk dukungan, kritik, dan informasi tentang bagaimana program dijalankan. Tujuan dari penelitian ini adalah untuk menganalisis persepsi masyarakat terhadap Program MBG dan juga mengevaluasi bagaimana algoritma Support Vector Machine (SVM) bekerja dalam klasifikasi persepsi. Data selection, preprocessing, transformation, data mining, evaluation, dan knowledge presentation adalah semua bagian dari metode Knowledge Discovery in Databases (KDD). Data diperoleh melalui proses crawling tweet berbahasa Indonesia dari Januari hingga November 2025 menggunakan kata kunci terkait MBG. Tahapan preprocessing termasuk case folding, cleaning, tokenize, normalize, stopword, dan stemming. Selanjutnya, TF-IDF digunakan untuk pembobotan kata. Untuk melakukan klasifikasi, algoritma SVM digunakan pada beberapa skenario pengujian SVM Normal dan Balanced. Skenario A, yang menggunakan SVM Normal dengan pembagian data 90:10, adalah hasil terbaik dengan nilai akurasi 72%, presisi 73%, recall 72%, dan f1-score 72%. Hasil penelitian menunjukkan bahwa SVM Normal mampu melakukan klasifikasi sentimen dengan cukup baik dan stabil. Selain itu, tanggapan masyarakat terhadap program MBG cenderung negatif.