IMPLEMENTASI SUPPORT VECTOR MACHINE DALAM ANALISIS SENTIMEN NETIZEN TERHADAP PROGRAM MAKAN BERGIZI GRATIS

Abstract

Program Makan Bergizi Gratis (MBG) sebagai kebijakan pemerintah Prabowo-Gibran memicu respons beragam di media sosial. Penelitian ini bertujuan mengimplementasikan algoritma Support Vector Machine (SVM) untuk mengklasifikasi sentimen netizen terhadap program MBG menjadi kategori positif dan negatif. Metode penelitian menggunakan pendekatan Knowledge Discovery in Database (KDD) dengan pembobotan TF-IDF pada 7.354 komentar yang diambil dari platform X dan TikTok. Hasil pengujian menunjukkan akurasi 82% pada platform X dan 88% pada TikTok, yang dipengaruhi ketidakseimbangan distribusi data. Pengujian pada data gabungan dengan distribusi lebih seimbang menghasilkan akurasi 83% dengan kinerja klasifikasi lebih stabil. Analisis word cloud mengungkap dominasi sentimen negatif pada X (70,53%) yang berfokus pada kekhawatiran anggaran dan transparansi, sedangkan TikTok didominasi sentimen positif (85,65%) yang menekankan empati dan apresiasi terhadap manfaat program. Temuan ini membuktikan SVM efektif dalam analisis sentimen dengan performa optimal pada data berdistribusi seimbang