ANALISIS SENTIMEN PUBLIK TERHADAP PROGRAM MAKAN GRATIS: PERBANDINGAN METODE NAIVE BAYES DAN SUPPORT VECTOR MACHINE PADA PLATFORM MEDIA SOSIAL TWITTER (X)

Muhammad Farhan Saleh; Rahmi Imanda;

Analisis Sentimen Publik Terhadap Program Makan Gratis: Perbandingan
Metode Naive Bayes Dan Support Vector Machine Pada Platform Media Sosial

Twitter (X)
Muhammad Farhan Saleh

Masalah gizi, termasuk stunting, masih menjadi tantangan serius di Indonesia, terutama di kalangan
anak-anak. Untuk mengatasi masalah ini, pasangan calon presiden dan wakil presiden Prabowo
Subianto dan Gibran Rakabuming mengumumkan Program Makan Gratis pada tahun 2024, yang
bertujuan menyediakan makan siang gratis bagi anak-anak sekolah dan ibu hamil. Penelitian ini
bertujuan menganalisis sentimen publik terhadap program ini menggunakan data dari platform
media sosial twitter. Dua metode analisis sentimen yang digunakan adalah Naïve Bayes dan Support
Vector Machine (SVM). Data dikumpulkan melalui proses crawling, kemudian dilakukan
preprocessing, pelabelan, dan ekstraksi fitur menggunakan TF-IDF. Hasil penelitian menunjukkan
bahwa sentimen publik didominasi oleh sentimen positif terhadap program ini. Dari perbandingan
performa algoritma, SVM terbukti lebih unggul dengan akurasi mencapai 86,42% pada split data
80:20, sedangkan Naïve Bayes mencapai akurasi 67,90%. SVM juga menunjukkan performa yang
lebih baik dalam mengklasifikasikan sentimen positif, meski kedua model mengalami kesulitan
dalam memprediksi sentimen negatif dan netral karena ketidakseimbangan data. Temuan ini
diharapkan dapat memberikan wawasan bagi pembuat kebijakan dalam mengevaluasi dan
mengembangkan program lebih lanjut. Dengan memahami sentimen publik, pemerintah dapat
mengoptimalkan strategi komunikasi dan implementasi kebijakan agar Program Makan Gratis dapat
memberikan dampak positif maksimal bagi masyarakat Indonesia.
Kata kunci: Analisis Sentimen, Naïve Bayes, SVM, Program Makan Gratis, Twitter

Public Sentiment Analysis of the Free Meal Program: A Comparison of Naive
Bayes and Support Vector Machine Methods on Social Media Platform Twitter

(X)
Muhammad Farhan Saleh

Nutrition issues, including stunting, remain a serious challenge in Indonesia, especially among
children. To address this issue, presidential and vice-presidential candidates Prabowo Subianto and
Gibran Rakabuming announced the Free Meal Program in 2024, which aims to provide free lunch
for school children and pregnant women. This study aims to analyze public sentiment towards this
program using data from the social media platform twitter. The two sentiment analysis methods used
are Naïve Bayes and Support Vector Machine (SVM). Data was collected through crawling process,
then preprocessing, labeling, and feature extraction using TF-IDF. The results show that public
sentiment is dominated by positive sentiment towards the program. From the comparison of
algorithm performance, SVM proved to be superior with an accuracy of 86,42.5% on 80:20 split
data, while Naïve Bayes achieved 67,90% accuracy. SVM also performed better in classifying
positive sentiments, although both models had difficulty in predicting negative and neutral
sentiments due to data imbalance. The findings are expected to provide insights for policymakers in
evaluating and developing further programs. By understanding public sentiment, the government
can optimize communication strategies and policy implementation so that the Free Meal Program
can have the maximum positive impact on the Indonesian people.
Keywords: Sentiment Analysis, Naïve Bayes, SVM, Free Meal Program, Twitter