OPTIMASI THRESHOLD ANALISIS SENTIMEN KOMENTAR YOUTUBE PROGRAM MBG DENGAN METODE LOGISTIC REGRESSIONEdelweiss RinjaniBawanaauthorProgram Makanan Bergizi (MBG) merupakan salah satu kebijakan pemerintah yang bertujuan untuk meningkatkan kualitas gizi peserta didik di sekolah. Namun, pelaksanaan program ini menimbulkan beragam tanggapan dari masyarakat, khususnya yang disampaikan melalui media sosial YouTube. Perbedaan persepsi tersentuh menunjukkan adanya potensi kesenjangan antara tujuan program dan penerimaan publik. Oleh karena itu, diperlukan analisis sentimen untuk mengetahui kecenderungan opini masyarakat serta sebagai bahan evaluasi terhadap pelaksanaan Program Makanan Bergizi.Penelitian ini menggunakan data berupa komentar pengguna YouTube yang membahas Program Makanan Bergizi Gratis (MBG). Data kemudian melalui tahapan preprocessing teks dan ekstraksi fitur menggunakan metode Term Frequency-Inverse Document Frequency (TF_IDF). Karena distribusi kelas sentimen tidak seimbang, diterapkan metode Synthetic Minority Oversampling Technique (SMOTE) pada data latih. Proses klasifikasi dilakukan menggunakan algoritma Logistic Regression dengan tuning threshold. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, F1-Score. Hasil penelitian menunjukkan bahwa persepsi publik terhadap Program Makanan Bergizi (MBG) cenderung didominasi oleh sentimen negatif. Selain itu, perbedaan nilai threshold berpengaruh signifikan terhadap kinerja model, khususnya dalam mengenali kelas minoritas. Threshold 0.30 menghasilkan nilai F1-Score tertinggi, sehingga memberikan keseimbangan terbaik antara precision dan recall. Hasil penelitian ini dapat dimanfaatkan oleh pembuat kebijakan sebagai bahan evaluasi berbasis opini publik, serta menjadi referensi bagi penelitian selanjutnya dalam pengembangn analisis sentimen pada data tidak seimbang.000 Ilmu komputer, informasi dan pekerjaan umum2026-03-02Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis