SISTEM MONITORING SENTIMEN PUBLIK REAL-TIME PROGRAM MBG BERBASIS MACHINE LEARNING: STUDI KOMPARATIF SVM DAN NAÏVE BAYES DI PLATFORM X

Abstract

Program Makan Bergizi Gratis (MBG) menimbulkan berbagai respons masyarakat pada media sosial X. Penelitian ini bertujuan membandingkan kinerja algoritma Support Vector Machine (SVM) dan Naïve Bayes dalam melakukan klasifikasi sentimen publik terhadap Program MBG. Metode penelitian menggunakan CRISP-DM yang meliputi business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Data diperoleh melalui web scraping menggunakan Tweet Harvest dengan kata kunci terkait MBG sebanyak 4.754 tweet pada periode 20 Mei–25 Juni 2026. Data diproses melalui tahapan text mining, preprocessing teks, dan ekstraksi fitur TF-IDF. Hasil analisis menunjukkan distribusi sentimen yaitu netral sebesar 41,9%, negatif sebesar 40,5%, dan positif sebesar 17,5%. Evaluasi model menghasilkan akurasi SVM sebesar 85,04% dan Naïve Bayes sebesar 83,66%. Berdasarkan hasil evaluasi, SVM dipilih sebagai model terbaik karena menghasilkan performa klasifikasi yang lebih seimbang. Penelitian ini memberikan kontribusi dalam pemanfaatan machine learning untuk mendukung pemantauan opini publik terhadap program pemerintah berbasis data.