ANALISIS TOPIK KELUHAN PROGRAM MAKAN BERGIZI GRATIS PADA PLATFORM X MENGGUNAKAN LATENT DIRICHLET ALLOCATION
Abstract
Program Makan Bergizi Gratis (MBG) yang diluncurkan pada 6 Januari 2025 merupakan program prioritas pemerintah untuk meningkatkan status gizi masyarakat. Namun, pelaksanaannya masih menghadapi permasalahan seperti kasus keracunan makanan, kendala distribusi, dan keterbatasan anggaran. Hal tersebut memicu tanggapan dan keluhan masyarakat di platform X yang bersifat tidak terstruktur dan berjumlah besar sehingga sulit dianalisis secara manual. Penelitian ini bertujuan untuk mengidentifikasi topik keluhan masyarakat terhadap pelaksanaan Program MBG menggunakan model LDA (Latent Dirichlet Allocation) dengan metodologi CRISP-DM. Data penelitian terdiri dari 6.748 tweet yang dikumpulkan melalui teknik web scraping pada periode 6 Januari hingga 31 Desember 2025. Setelah melalui preprocessing, pelabelan sentimen menggunakan Leksikon InSet, serta seleksi tweet berlabel negatif, diperoleh 2.075 tweet yang dianalisis menggunakan model LDA dengan pembobotan TF-IDF. Hasil penelitian menunjukkan jumlah topik optimal adalah 5 topik dengan coherence score sebesar 0,386. Berdasarkan model tersebut, diidentifikasi 5 tema utama, yaitu Akuntabilitas & Tata Kelola Anggaran, Dampak bagi Kesehatan Anak di Sekolah, Kualitas & Kelayakan Menu Makanan, Kendala Distribusi & Pemenuhan Gizi, serta Insiden Keracunan & Keamanan Pangan.
Downloads
References
M. A. Rojabi, Mitra BGN: Syarat, Cara Daftar Online, dan Kunci Lolos Verifikasi Program Makan Bergizi Gratis. 2026-03-01, 2025. [Online]. Available: https://www.bgn.go.id/news/berita/bgn-198-sppg-sudah-kantongi-sertifikat-laik-higiene-sanitasi
N. Azzahra, A. D. Dharmawan, A. F. Mardatilah, M. I. Habibi, Virliana Amanda Putri, and Suhardi, “Pelaksanaan Uji Coba Program Makan Bergizi Gratis di SMP Negeri 4 Tangerang,” J. Pengabdi. Masy. dan Ris. Pendidik., vol. 3, no. 4, pp. 5036–5044, 2025, doi: 10.31004/jerkin.v3i4.1335.
M. M. Laia, F. N. Hasan, and A. Y. Kuntoro, “Analisis Sentimen Program Makan Gratis Pada Platform X Menggunakan Algoritma Naïve Bayes,” J. Ilm. Inform., vol. 13, no. 2, pp. 259–264, 2025.
Y. A. Krisdamarjati, “Sentimen Negatif Warganet Mencapai 66 Persen, MBG Mendesak Dievaluasi,” kompas.id.
M. Nango, B. Purwoko, M. Hazim, and Karwanto, “Makan Bergizi Gratis: Strategi Kebijakan Publik Menuju Generasi Emas Indonesia 2045,” J. Pendidik. Agama Katolik, vol. 25, no. 2, pp. 354–368, 2025.
R. N. Muhammad, L. Wulandari S, and B. Tanggahma, “Pengaruh Media Sosial Pada Persepsi Publik Terhadap Sistem Peradilan: Analisis Sentimen di Twitter,” UNES Law Rev., vol. 7, no. 1, pp. 507–516, 2024, [Online]. Available: https://review-unes.com/index.php/law/article/view/2327
Nouvan, “Negara dengan Pengguna X (Twitter) Terbanyak Juli 2025, Indonesia Urutan Keempat,” dataloka. [Online]. Available: https://dataloka.id/humaniora/4627/negara-dengan-pengguna-x-twitter-terbanyak-juli-2025-indonesia-urutan-keempat/
A. Amrullah, “Analisis Sentimen Publik terkait Migrasi Tenaga Kerja Indonesia di Platform X menggunakan SVM-IndoBERT,” Unisda J. Math. Comput. Sci., vol. 11, no. 1, pp. 53–63, 2025.
A. F. I. Ridat and A. R. Isnain, “Pemodelan Topik dengan LDA untuk Memahami Persepsi Publik terhadap Apple Vision Pro melalui Analisis Berita Twitter,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 10, no. 4, pp. 3233–3246, 2025.
A. R. Sembiring, “Sentiment Analysis dan Topic Modeling pada Tweet Bahasa Indonesia Mengenai Pemilihan Umum 2024,” 2025.
A. Muhaimin et al., “Social Media Analysis and Topic Modeling: Case Study of Stunting in Indonesia,” Telemat. J. Inform. dan Teknol. Inf., vol. 20, no. 3, pp. 406–415, 2023, doi: 10.31515/telematika.v20i3.10797.
R. F. Nulhakim and D. F. Shiddieq, “Analisis Sentimen Publik X Terhadap Kenaikkan Ppn 12 % pada Twitter Menggunakan Latient Dirichlet Allocation,” J. Pendidik. Indones., vol. 6, no. 8, pp. 4090–4103, 2025.
A. Sitanggang, Y. Umaidah, and R. I. Adam, “Analisis Sentimen Masyarakat terhadap Program Makan Siang Gratis pada Media Sosial X Menggunakan Algoritma Naïve Bayes,” JITET (Jurnal Inform. dan Tek. Elektro Ter., vol. 12, no. 3, pp. 2755–2762, 2024, doi: 10.23960/jitet.v12i3.4902.
Nurhasiyah, R. Dwiyansaputra, S. I. Murpratiwi, and A. Aranta, “Analisis Sentimen Pengguna Platform Media Sosial X pada Topik Pemilihan Presiden 2024 Menggunakan Perbandingan Model Monolingual dan Multilingual BERT,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 1, pp. 626–634, 2025.
A. K. Dewi, N. F. Rahmadani, R. Syahputri, L. R. Nasution, and M. Furqan, “Deteksi Berita Hoax pada Platform X Menggunakan Pendekatan Text Mining dan Algoritma Machine Learning,” Data Sci. Indones., vol. 5, no. 1, pp. 33–46, 2025.
I. S. Wibowo, A. Witanti, and I. Susilawati, “Keyword Extraction Judul Berita Online Di Indonesia Menggunakan Metode TF-IDF,” J. Tek. Inform. dan Sist. Inf., vol. 11, no. 1, pp. 99–111, 2024.
Y. Matira, Junaidi, and I. Setiawan, “Pemodelan Topik pada Judul Berita Online Detikcom Menggunakan Latent Dirichlet Allocation,” vol. 4, no. 1, pp. 53–63, 2023, doi: 10.20956/ejsa.vi.24843.
E. Halimatussa’diyah and S. K. Dini, “Implementasi Metode Content-Based Filtering dengan Pendekatan Euclidean Distance dalam Sistem Rekomendasi Produk Skincare,” RABIT J. Teknol. dan Sist. Inf. Univrab, vol. 10, no. 2, pp. 763–783, 2025.
Nabila and C. I. Ratnasari, “Topic Modeling of Skincare Comments from Female Daily,” J. Appl. Informatics Comput. (JAIC, vol. 9, no. 4, pp. 1394–1405, 2025.
R. L. Hanif and M. Syafrullah, “Implementasi Algoritma Latent Dirichlet Allocation dengan Metode Gibbs Sampling untuk Topic Modeling Menggunakan Data X terkait IKN,” Bit (Fakultas Teknol. Inf. Univ. Budi Luhur), vol. 21, no. 2, pp. 139–144, 2024.
D. Z. T. Kannitha, Mustafid, and P. Kartikasari, “Pemodelan Topik pada Keluhan Pelanggan Menggunakan Algoritma Latent Dirichlet Allocation dalam Media Sosial Twitter,” J. Gaussian, vol. 11, no. 2, pp. 266–277, 2022.
L. K. Bayu, “Analisis Topik Modelling Ibukota Nusantara pada Platform X Menggunakan Latent Dirichlet Allocation,” Universitas Dinamika, 2025. [Online]. Available: https://pubmed.ncbi.nlm.nih.gov/28459981/%0Ahttps://doi.org/10.1016/j.resenv.2025.100208%0Ahttp://scioteca.caf.com/bitstream/handle/123456789/1091/RED2017-Eng-8ene.pdf?sequence=12&isAllowed=y%0Ahttp://dx.doi.org/10.1016/j.regsciurbeco.2008.06.005%0Ahttps:
N. B. Nisa and Armansyah, “Pemodelan Topik Pemberitaan Kesehatan Masyarakat di Media Daring Menggunakan Latent Dirichlet Allocation,” Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 11, no. 1, pp. 912–918, 2026, doi: 10.36341/rabit.v11i1.7172.
A. Ariansyah and U. Indahyanti, “Fitur Ekstraksi pada Pemodelan Topik Menggunakan Metode Latent Dirichlet Allocation pada Peristiwa Kebocoran Data,” Indones. J. Appl. Technol., vol. 1, no. 2, pp. 1–24, 2024.
N. A. R. Putri, “Identifikasi Topik Dominan pada Hastag Konten Anak di Media Sosial X Menggunakan Word Cloud,” Indones. J. Inf. Technol., vol. 3, no. 1, 2025.
R. Winurputra and D. E. Ratnawati, “Peramalan Penjualan Produk Menggunakan Extreme Gradient Boosting (XGBoost) dan Kerangka Kerja CRISP-DM untuk Pengoptimalan Manajemen Persediaan (Studi Kasus: UB Mart),” J. Teknol. Inf. dan Ilmu Komput., vol. 12, no. 2, pp. 417–428, 2025, doi: 10.25126/jtiik.2025129451.
M. Vassallo, G. Gabrieli, V. Basile, and C. Bosco, “Neutral Score Detection in Lexicon-based Sentiment Analysis: the Quartile-based Approach,” 2024.
N. F. A. Cendra, N. K. Wakhid, and H. Al Rosyid, “Analisis Persepsi Publik terhadap Reshuffle Menteri Keuangan 2025 Berdasarkan Pemodelan Topik LDA pada Komentar YouTube,” JATI (Jurnal Mhs. Tek. Inform., vol. 10, no. 1, pp. 646–654, 2026.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
