ANALISIS SENTIMEN PROGRAM MBG PRABOWO: PERBANDINGAN KINERJA INDOBERT DAN SVM DIOPTIMALKAN

MAUTIPIYAU, RISMAYANTI (2025) ANALISIS SENTIMEN PROGRAM MBG PRABOWO: PERBANDINGAN KINERJA INDOBERT DAN SVM DIOPTIMALKAN. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf - Published Version Download (2MB)
	Text (BAB I) BAB I.pdf - Published Version Download (351kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (622kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (1MB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (961kB)
	Text (BAB V) BAB V.pdf - Published Version Download (290kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf - Published Version Restricted to Registered users only Download (1MB)
	Archive (SOURCE CODE) Sourcecode - 22.11.4810.zip - Published Version Restricted to Repository staff only Download (717kB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (1MB)

Abstract

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.

Actions (login required)

View Item