Analisis Sentimen Masyarakat terhadap Program Makan Bergizi Gratis (MBG) di Media Sosial Instagram Menggunakan Metode Naive Bayes dan Support Vector Machine

Abstract

Program Makan Bergizi Gratis (MBG) merupakan salah satu kebijakan pemerintah Indonesia yang bertujuan meningkatkan kualitas sumber daya manusia melalui pemenuhan gizi peserta didik. Implementasi program ini memunculkan beragam respons masyarakat yang tercermin dalam komentar pada media sosial Instagram. Penelitian ini bertujuan menganalisis sentimen publik terhadap Program MBG serta membandingkan kinerja algoritma Support Vector Machine (SVM) dan Naive Bayes dalam klasifikasi sentimen. Data penelitian terdiri atas 503 komentar Instagram yang diproses melalui tahapan cleaning, tokenizing, stopword removal, dan stemming. Selanjutnya, pembobotan fitur dilakukan menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Hasil analisis menunjukkan bahwa sentimen positif mendominasi dengan 306 komentar, sedangkan 106 komentar tergolong negatif dan sisanya netral. Pengujian model menunjukkan bahwa algoritma SVM memiliki performa lebih baik dengan akurasi sebesar 91%, dibandingkan dengan Naive Bayes yang memperoleh akurasi 77%. Temuan ini menunjukkan bahwa SVM lebih efektif dalam mengklasifikasikan sentimen pada data media sosial yang bersifat informal. Hasil penelitian diharapkan dapat menjadi bahan evaluasi bagi pemerintah dalam meningkatkan efektivitas komunikasi dan transparansi pelaksanaan Program MBG

.