ANALISIS SENTIMEN MASYARAKAT TERHADAP PROGRAM MAKAN BERGIZI GRATIS MENGGUNAKAN METODE INDOBERT DAN MACHINE LEARNING

Abstract

Program Makan Bergizi Gratis merupakan salah satu kebijakan pemerintah yang memunculkan beragam tanggapan masyarakat di media sosial. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap Program Makan Bergizi Gratis menggunakan pendekatan hybrid labeling, algoritma machine learning, dan model bahasa IndoBERT. Data penelitian berupa 12.389 unggahan dari media sosial X (Twitter) yang diperoleh melalui proses web scraping. Tahapan penelitian meliputi preprocessing data, pelabelan sentimen, ekstraksi fitur menggunakan TF-IDF, fitur leksikon, dan embedding IndoBERT, serta penyeimbangan data dengan metode SMOTE. Selanjutnya, dilakukan perbandingan performa algoritma Random Forest, XGBoost, dan Ensemble (Voting Classifier) menggunakan Stratified K-Fold Cross-Validation (K=5). Hasil penelitian menunjukkan bahwa sentimen negatif mendominasi sebesar 68,6%, diikuti sentimen positif 19,5% dan netral 11,9%. Random Forest menjadi model terbaik dengan nilai accuracy 0,9363, precision 0,9364, recall 0,9363, dan F1-Score 0,9363 pada test set. Temuan ini menunjukkan bahwa kombinasi hybrid labeling, IndoBERT, dan Random Forest mampu menghasilkan model analisis sentimen yang akurat serta efektif dalam mengklasifikasikan opini masyarakat terhadap Program Makan Bergizi Gratis.