KOMPARASI ALGORITMA INDOBERT, SVM, DAN RANDOM FOREST DALAM ANALISIS SENTIMEN PROGRAM MAKAN BERGIZI GRATIS

Abstract

Program Makan Bergizi Gratis merupakan kebijakan pemerintah yang telah dimasukkan dalam Rencana Kerja Pemerintah (RKP) 2025 dan memicu diskusi publik yang luas, terutama di media sosial X. Permasalahan utama dalam penelitian ini adalah bagaimana memahami secara akurat sentimen publik terhadap program tersebut dan menentukan model machine learning mana yang paling akurat untuk mengklasifikasikan opini masyarakat yang diekspresikan dalam bahasa Indonesia yang kompleks di media sosial. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen publik terhadap program tersebut serta membandingkan kinerja model IndoBERT dengan algoritma Support Vector Machine (SVM) dan Random Forest untuk menentukan model yang paling efektif. Metode penelitian yang digunakan meliputi pengumpulan 54.105 tweet dari media sosial X dengan kata kunci "makan bergizi gratis", diikuti oleh tahap pra-pemrosesan data, sebelum akhirnya data tersebut diklasifikasikan menggunakan tiga model yang dibandingkan. Hasil analisis menunjukkan bahwa sentimen publik didominasi oleh respons positif (43,9%) dan netral (41,8%), sementara sentimen negatif hanya sebesar 14,3%. Dari perbandingan kinerja model, IndoBERT terbukti superior dengan mencapai akurasi 87,60%, secara signifikan mengungguli SVM (83,39%) dan Random Forest (70,28%). Keunggulan IndoBERT ini disebabkan oleh kemampuannya dalam memahami konteks bidirectional bahasa Indonesia yang kompleks, menjadikannya model yang paling efektif untuk analisis sentimen pada dataset ini.