Analisis Sentimen Program Makan Bergizi Gratis pada Media Sosial X Menggunakan Metode Naïve Bayes

Abstract

Program Makan Bergizi Gratis (MBG) yang dimulai pada 6 Januari 2025 memicu beragam tanggapan publik di media sosial X sehingga diperlukan cara yang efisien untuk memantau opini masyarakat. Penelitian ini bertujuan menganalisis kecenderungan sentimen publik terhadap program MBG dan mengukur kinerja algoritma Multinomial Naïve Bayes berbasis Natural Language Processing (NLP). Data berupa 9.792 tweet berbahasa Indonesia periode 6 Januari–6 Oktober 2025 dari dataset publik Kaggle. Tahapan penelitian meliputi text preprocessing (case folding, cleaning, tokenizing, stopword removal, dan stemming), pelabelan sentimen berbasis leksikon, pembobotan TF-IDF, pembagian data latih dan uji 80:20 secara berstrata, klasifikasi, dan evaluasi menggunakan confusion matrix. Pelabelan menghasilkan sentimen positif 53,0%, netral 39,7%, dan negatif 7,3%, dengan proporsi positif tertinggi pada awal periode. Model mencapai akurasi 79,02%, presisi 79,71%, recall 79,02%, dan F1-score 77,06% (rata-rata berbobot). Namun, F1-score rata-rata makro hanya 60,25% karena recall kelas negatif rendah (10,56%) akibat ketidakseimbangan kelas, dan sebagian besar tweet negatif diprediksi sebagai netral. Hasil klasifikasi diintegrasikan ke dalam dashboard web "SiAnSen MBG" yang lolos pengujian black box. Karena label dihasilkan otomatis oleh leksikon tanpa validasi manusia, akurasi mencerminkan kesesuaian model dengan aturan pelabelan sehingga temuan perlu ditafsirkan secara hati-hati.