eprintid: 32213
rev_number: 16
eprint_status: archive
userid: 12
dir: disk0/00/03/22/13
datestamp: 2026-07-17 03:24:53
lastmod: 2026-07-17 03:24:53
status_changed: 2026-07-17 03:24:53
type: thesis
metadata_visibility: show
creators_name: Dani, Emilianus
creators_nim: 22.11.5012
contributors_name: Verawati, Ike
corp_creators: Universitas AMIKOM Yogyakarta
title: PERBANDINGAN KINERJA ALGORITMA NAIVE BAYES
DAN SUPPORT VECTOR MACHINE (SVM) TERHADAP
SENTIMEN TWITTER PADA PROGRAM MAKAN 
BERGIZI GRATIS
ispublished: pub
subjects: 000.000.000A
subjects: 000.000.004
divisions: if
full_text_status: restricted
keywords: Analisis Sentimen, Twitter (X), Makan Bergizi Gratis, Support
Vector Machine, Naive Bayes, Sentiment Analysis.
abstract: Program 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.
date: 2026-02-20
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Fakultas Ilmu Komputer
thesis_type: bachelor
thesis_name: skripsi
citation:   Dani, Emilianus  (2026) PERBANDINGAN KINERJA ALGORITMA NAIVE BAYES DAN SUPPORT VECTOR MACHINE (SVM) TERHADAP SENTIMEN TWITTER PADA PROGRAM MAKAN BERGIZI GRATIS.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/32213/1/COVER.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32213/2/BAB%20I.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32213/3/BAB%20II.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32213/4/BAB%20III.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32213/5/BAB%20IV.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32213/6/BAB%20V.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32213/7/Daftar%20Pustaka%20dan%20Lampiran.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32213/8/Sourcecode%20-%2022.11.5012.zip
document_url: https://eprints.amikom.ac.id/id/eprint/32213/9/Publikasi.pdf