Analisis Sentimen Opini Masyarakat Terhadap Program Makan Bergizi Gratis di Media Sosial X
Tahun 2026 · Penulis: Ovala Hadiyanti
Faculty of Mathematics and Natural Sciences, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/13952
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Analisis Sentimen Opini Masyarakat Terhadap Program Makan Bergizi Gratis di Media Sosial X
Free Nutritious Meals (MBG) Program adalah kebijakan pemerintah yang telah menghasilkan beragam tanggapan publik, khususnya pada platform media sosial X. Mengingat volume besar opini publik, analisis sentimen diperlukan untuk mengidentifikasi sentimen publik terhadap program tersebut. Penelitian ini bertujuan untuk mengklasifikasikan sentimen menggunakan metode Mesin Vektor Dukungan dan menganalisis opini publik mengenai Program MBG. Penelitian tersebut menggunakan data yang dikumpulkan dari media sosial, platform X. Metodologi penelitian terdiri dari kumpulan data, teks preprosesing (termasuk pelipatan kasus, pembersihan, tokenisasi, penghapusan stopword, dan memampming), label data menggunakan leksikon InSet, dan istilah pengtimbangan menggunakan Frekuensi Term-Inverse Dokumen Frekuensi. Klasifikasi Sentimental kemudian dilakukan menggunakan metode Mesin Vektor Dukungan, dan model dievaluasi menggunakan matriks kebingungan dengan akurasi, ketepatan, ingat, dan F1-score metrik. Selain itu, pertambangan berpendapat diadakan untuk mengidentifikasi kata-kata dominan yang membentuk opini publik. Hasilnya menunjukkan bahwa model Mesin Vektor Dukungan mencapai akurasi 98,26%, dengan presisi, ingat, dan nilai F1-score di atas 97% untuk kedua kelas, menunjukkan kinerja klasifikasi yang sangat baik. Analisa sentimen mengungkapkan bahwa opini publik mengenai Program MBG didominasi oleh sentimen negatif (57.91%), sementara sentimen positif account 42.09%. Perasaan positif dicirikan oleh persepsi tentang manfaat program itu untuk gizi, kualitas pendidikan, dan dukungan anak-anak bagi pemerintah. Sebaliknya, perasaan negatif dicirikan dengan kekhawatiran akan keamanan makanan, mutu penerapan program, dan menuntut evaluasi lebih lanjut dari program itu. Penelitian menyimpulkan bahwa metode Mesin Vektor Dukungan efektif untuk mengklasifikasikan sentimen publik mengenai MBG Program. Selain itu, temuan itu menunjukkan bahwa opini publik tentang X sebagian besar negatif, mencerminkan persepsi umum tentang implementasi program ini
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,790
Tahun 2026 · Penulis: Ubaid Farid Handoko
Ekstraksi Opini Negatif dan Klasifikasi Sentimen Pengguna Menggunakan Latent Dirichlet Allocation dan Support Vector Machine pada Program Danantara di Media Sosial X
Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap Program Danantara di media sosial X dengan menggabungkan Latent Dirichlet Alokasi (LDA) untuk ekstraksi topik dan Dukungan Mesin Vektor (SVM) untuk klasifikasi sentimen. Dataset terdiri dari
- Cosine 0,741
Tahun 2024 · Penulis: Ardin Nugraha
Klasifikasi Sentimen dan Pemodelan Topik MBKM Menggunakan Ensemble Learning dan Latent Dirichlet Allocation pada Media Sosial X
Sentimen merupakan pendapat atau informasi yang disampaikan oleh individu untuk menilai suatu topik atau produk tertentu. Sentimen biasanya disampaikan secara lisan atau tertulis. Sejak berkembangnya teknologi, banyak masyarakat yang menyampaikan sentimen atau
- Cosine 0,731
Tahun 2024 · Penulis: Ardin Nugraha
Klasifikasi Sentimen dan Pemodelan Topik MBKM Menggunakan Ensemble Learning dan Latent Dirichlet Allocation pada Media Sosial X
Sentimental adalah pendapat atau informasi yang disampaikan oleh orang-orang untuk menilai topik atau produk tertentu. Sentimental biasanya disampaikan secara lisan atau secara tertulis. Sejak perkembangan teknologi, banyak orang menyampaikan pendapat mereka m