PERBANDINGAN KINERJA ALGORITMA NAIVE BAYES DAN SUPPORT VECTOR MACHINE (SVM) TERHADAP SENTIMEN TWITTER PADA PROGRAM MAKAN BERGIZI GRATIS

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.

	Text (COVER - ABSTRAK) COVER.pdf - Published Version Download (992kB)
	Text (BAB I) BAB I.pdf - Published Version Download (241kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (520kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (313kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (642kB)
	Text (BAB V) BAB V.pdf - Published Version Download (69kB)
	Text (DAFTAR PUSTAKA - LAMPIRAN) Daftar Pustaka dan Lampiran.pdf - Published Version Restricted to Registered users only Download (566kB)
	Archive (SOURCE CODE) Sourcecode - 22.11.5012.zip Restricted to Repository staff only Download (150kB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (1MB)

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.

Actions (login required)

View Item