EPrints Universitas Amikom YogyakartaPERBANDINGAN KINERJA ALGORITMA NAIVE BAYES DAN SUPPORT VECTOR MACHINE (SVM) TERHADAP SENTIMEN TWITTER PADA PROGRAM MAKAN BERGIZI GRATISEmilianusDaniauthorProgram Makan Bergizi Gratis merupakan kebijakan pemerintah yang bertujuan meningkatkan kualitas gizi masyarakat, khususnya anak-anak dan pelajar. Namun, implementasi kebijakan ini menimbulkan beragam respons di masyarakat yang terekspresikan secara luas melalui media sosial Twitter (X). Perbedaan pandangan, kritik, serta dukungan terhadap program tersebut dapat memengaruhi persepsi publik dan kepercayaan masyarakat terhadap kebijakan pemerintah. Oleh karena itu, diperlukan analisis sentimen untuk memahami kecenderungan opini masyarakat serta dampaknya terhadap lingkungan sosial dan pengambilan keputusan kebijakan publik. Penelitian ini menggunakan data opini masyarakat yang dikumpulkan dari media sosial Twitter (X) terkait program Makan Bergizi Gratis. Tahapan penelitian meliputi pengumpulan data, preprocessing teks, pelabelan data secara otomatis menggunakan pendekatan berbasis kamus lexicon, serta pembentukan fitur dengan metode Term Frequency–Inverse Document Frequency (TF-IDF). Dataset kemudian dibagi menjadi data latih dan data uji dengan perbandingan 80:20. Proses klasifikasi sentimen dilakukan menggunakan dua algoritma machine learning, yaitu Naive Bayes dan Support Vector Machine (SVM). Evaluasi kinerja model dilakukan menggunakan confusion matrix dan metrik evaluasi berupa accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma SVM memiliki kinerja yang lebih baik dibandingkan Naive Bayes dalam mengklasifikasikan sentimen masyarakat terhadap program Makan Bergizi Gratis. Model SVM memperoleh tingkat akurasi yang lebih tinggi, sehingga dinilai lebih efektif dalam menangani data teks berbasis TF-IDF. Hasil penelitian ini dapat dimanfaatkan oleh peneliti, akademisi, serta pemerintah sebagai bahan evaluasi kebijakan publik. Penelitian selanjutnya disarankan untuk menggunakan dataset yang lebih besar dan metode pelabelan berbasis pembelajaran mendalam guna meningkatkan akurasi analisis sentimen.000 Ilmu komputer, informasi dan pekerjaan umum004 Pemrosesan data dan ilmu komputer2026-02-20Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.