%I Universitas AMIKOM Yogyakarta
%L universitasamikomyogyakarta31711
%A RISMAYANTI MAUTIPIYAU
%X Program Makanan Bergizi Gratis (MBG) merupakan salah satu kebijakan
pemerintah yang mendapat respon beragam dari masyarakat. Pendapat publik
mengenai program ini diekspresikan secara luas melalui media sosial X (Twitter)
dengan cara yang masif, cepat, dan dinamis. Kondisi ini membuat sulit untuk
memahami sentimen publik secara akurat jika dilakukan secara manual.
Ketidakmampuan memproses pendapat publik secara efektif dapat menyebabkan
kesalahan dalam mengevaluasi tingkat penerimaan publik terhadap kebijakan
yang sedang dijalankan. Dampak lebih lanjut dari masalah ini adalah penurunan
kualitas pengambilan keputusan strategis oleh pemerintah dan pihak terkait akibat
keterbatasan informasi yang akurat dan berbasis data mengenai sentimen publik.
Penelitian ini menggunakan pendekatan analisis sentimen berbasis Pemrosesan
Bahasa Alami (Natural Language Processing/NLP). Tahapan penelitian meliputi
pengumpulan komentar publik dari media sosial X (Twitter), prapemrosesan teks,
penandaan sentimen, pembagian data pelatihan dan pengujian, serta
pengembangan model klasifikasi sentimen. Dua metode digunakan dan kinerjanya
dibandingkan, yaitu model IndoBERT berbasis Transformer yang dioptimalkan
melalui proses fine-tuning dan algoritma machine learning klasik Support Vector
Machine (SVM) yang dikombinasikan dengan metode TF-IDF dan optimasi Grid
Search. Kinerja model dievaluasi menggunakan metrik Akurasi dan F1-Score
untuk mengukur kemampuan model dalam mengklasifikasikan sentimen ke dalam
kategori positif, negatif, dan netral. Hasil menunjukkan bahwa model IndoBERT
menunjukkan kinerja yang lebih baik dibandingkan model SVM, dengan nilai
Akurasi 93,0% dan Skor F1 90,1%, sementara model SVM memperoleh Akurasi
75,5% dan Skor F1 68,1%. Studi ini menunjukkan keefektifan model bahasa yang
telah dilatih sebelumnya dalam menganalisis sentimen opini publik berbahasa
Indonesia. Hasil penelitian ini dapat digunakan oleh pemerintah, analis kebijakan,
akademisi, dan peneliti sebagai bahan untuk mengevaluasi persepsi publik
terhadap kebijakan dan sebagai referensi untuk penelitian lebih lanjut di bidang
analisis sentimen dan NLP.
%D 2025
%K Analisis Sentimen, IndoBERT, SVM, opni publik, NLP. Sentiment Analysis, SVM, Public opinion.
%T ANALISIS SENTIMEN PROGRAM MBG PRABOWO: PERBANDINGAN KINERJA INDOBERT DAN SVM DIOPTIMALKAN