PENERAPAN METODE SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN PUBLIK PADA PROGRAM MAKAN BERGIZI GRATIS

Abstract

Penelitian ini dilakukan untuk mengevaluasi sentimen masyarakat terhadap Program Makan Bergizi Gratis (MBG) sebagai salah satu kebijakan sosial pemerintah yang berfokus pada peningkatan asupan gizi peserta didik di Indonesia. Ragam opini yang tersebar di media sosial menggambarkan persepsi publik terhadap implementasi kebijakan tersebut. Untuk mengidentifikasi kecenderungan opini tersebut, penelitian ini menggunakan pendekatan text mining dengan dukungan algoritma machine learning Support Vector Machine (SVM). Dataset penelitian diperoleh dari platform Kaggle, yang memuat 3.459 komentar publik mengenai Program MBG. Data tersebut kemudian dibersihkan dan melalui proses preprocessing meliputi tokenizing, case folding, stopword removal, serta stemming menggunakan pustaka Sastrawi. Selanjutnya, pembobotan kata dilakukan menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF) guna mengubah teks menjadi representasi numerik. Model SVM dioptimasi dengan pendekatan Grid Search dan divalidasi menggunakan 5-Fold Cross Validation, menghasilkan konfigurasi terbaik dengan kernel RBF, C = 10, dan gamma = 1. Evaluasi model menunjukkan performa tinggi dengan tingkat akurasi 96%, precision 95,44%, recall 96,27%, dan F1-score 95,85%. Berdasarkan hasil prediksi terhadap data tanpa label, diperoleh distribusi sentimen sebesar 57,43% positif dan 42,57% negatif. Hasil ini mengindikasikan bahwa sebagian besar masyarakat memberikan tanggapan positif terhadap Program MBG, sekaligus menunjukkan efektivitas algoritma SVM dalam mengklasifikasikan sentimen teks berbahasa Indonesia secara akurat dan konsisten.