OPTIMASI THRESHOLD ANALISIS SENTIMEN KOMENTAR YOUTUBE PROGRAM MBG DENGAN METODE LOGISTIC REGRESSION

Bawana, Edelweiss Rinjani (2026) OPTIMASI THRESHOLD ANALISIS SENTIMEN KOMENTAR YOUTUBE PROGRAM MBG DENGAN METODE LOGISTIC REGRESSION. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf - Published Version Download (1MB)
	Text (BAB I) BAB I.pdf - Published Version Download (190kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (641kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (399kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (782kB)
	Text (BAB V) BAB V.pdf - Published Version Download (49kB)
	Text (DAFTAR PUSTAKA - LAMPIRAN) Daftar Pustaka dan Lampiran.pdf - Published Version Restricted to Registered users only Download (112kB)
	Archive (SOURCE CODE) Sourcecode - 22.12.2263.zip - Published Version Restricted to Repository staff only Download (169kB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (806kB)

Abstract

Program 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.

Actions (login required)

View Item