KLASIFIKASI SENTIMEN NETIZEN X MENGENAI KEBIJAKAN EVALUASI PROGRAM MAKAN BERGIZI GRATIS DAN ANGGARAN BESAR APBN MENGGUNAKAN ALGORITMA NAÏVE BAYES

Abstract

Abstrak. Kebijakan program Makan Bergizi Gratis (MBG) menuai perhatian publik terkait implikasinya terhadap alokasi anggaran dalam APBN. Platform X menjadi wadah utama bagi masyarakat untuk menyampaikan opini dan kritik secara terbuka. Penelitian ini bertujuan mengklasifikasikan sentimen netizen X terhadap evaluasi kebijakan MBG dan anggaran APBN menggunakan metode text mining. Algoritma klasifikasi yang diterapkan adalah Naïve Bayes dengan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF) yang diolah menggunakan RapidMiner Studio. Dataset penelitian berjumlah 3.500 tweet yang terbagi menjadi 1.400 tweet (40%) sentimen positif dan 2.100 tweet (60%) sentimen negatif. Validasi model diuji menggunakan metode 10-Fold Cross Validation. Hasil pengujian menunjukkan algoritma Naïve Bayes menghasilkan tingkat akurasi sebesar 84,49%, yang termasuk dalam Kategori Klasifikasi yang Baik  (Good Classification). Model mencatatkan nilai Class Precision tertinggi pada sentimen negatif sebesar 87,52% dan Class Recall sebesar 86,48%. Analisis kata kunci menunjukkan sentimen positif berfokus pada perbaikan gizi anak, sedangkan sentimen negatif didominasi kekhawatiran fiskal negara seperti risiko defisit APBN, utang, dan beban pajak. Kesalahan klasifikasi sebesar 15,51% dipicu kelemahan independensi kata Naïve Bayes dalam memproses kalimat negasi atau sarkasme. Secara keseluruhan, model ini andal sebagai instrumen analisis opini publik guna mendukung evaluasi kebijakan

Kata Kunci: Analisis Sentimen, Makan Bergizi Gratis, APBN, Naïve Bayes.