ANALISIS SENTIMEN TERHADAP PROGRAM MAKAN SIANG & SUSU GRATIS MENGGUNAKAN ALGORITMA NAIVE BAYES

Ramadani Saputra; Firman Noor Hasan;

ABSTRAK

Analisis Sentimen Terhadap Program Makan Siang & Susu Gratis Menggunakan Algoritma Naive Bayes

Ramadani Saputra

Masalah tingginya angka stunting di Indonesia, mencapai 21,6% pada tahun 2022, telah menjadi
perhatian mendesak yang membutuhkan solusi praktis. Stunting adalah dampak serius dari kurang
gizi kronis pada masa pertumbuhan awal, yang menyebabkan gangguan fisik, psikologis, dan
kognitif serta menghambat perkembangan otak dan pertumbuhan fisik, meningkatkan risiko
gangguan metabolik. Untuk mengatasi tantangan ini, pasangan calon nomor urut 02 Prabowo-
Gibran dalam Pemilihan Presiden 2024 mengusulkan Program Makan Siang dan Susu Gratis.
Penelitian ini bertujuan untuk menyelidiki pandangan masyarakat Indonesia terhadap program
tersebut di media sosial Twitter, dengan menganalisis opini-opini di twitter menggunakan metode
klasifikasi Naïve Bayes melalui aplikasi RapidMiner. Pengumpulan data dibagi menjadi dua tahap,
sebelum dan sesudah pemilihan presiden. Hasil penelitian menunjukkan bahwa dari total data uji
sebanyak 174 tweet, 119 tweet (68,39%) menunjukkan sentimen negatif, 30 tweet (17,24%)
menunjukkan sentimen positif, dan 25 tweet (14,37%) menunjukkan sentimen netral. Model
klasifikasi menunjukkan tingkat akurasi sebesar 87,97%, dengan recall sebesar 72,41% dan
precision sebesar 70,00% untuk kelas positif, recall sebesar 70,83% dan precision sebesar 68,00%
untuk kelas netral, serta recall sebesar 95,04% dan precision sebesar 96,64% untuk kelas negatif.
Hasil ini menunjukkan kinerja yang baik dalam mengklasifikasikan sentimen dari data uji.

Kata kunci: analisis sentimen, naïve bayes, makan siang dan susu gratis, rapidminer

Sentiment Analysis on Free Lunch & Milk Program Using Naive Bayes Algorithm

Ramadani Saputra

The high rate of stunting in Indonesia, reaching 21.6% in 2022, has become an urgent concern that
requires practical solutions. Stunting is a severe consequence of chronic malnutrition during early
growth stages, causing physical, psychological, and cognitive impairments, hindering brain
development and physical growth, and increasing the risk of metabolic disorders. To address this
challenge, the presidential candidate pair number 02, Prabowo-Gibran, in the 2024 Presidential
Election proposed the Free Lunch and Milk Program. This study aims to investigate the public's
perception of the program on the social media platform Twitter by analyzing opinions using the
Naïve Bayes classification method via the RapidMiner application. Data collection was divided into
two stages, before and after the presidential election. The study results show that out of a total of
174 test tweets, 119 tweets (68.39%) indicated negative sentiment, 30 tweets (17.24%) indicated
positive sentiment, and 25 tweets (14.37%) indicated neutral sentiment. The classification model
achieved an accuracy of 87.97%, with a recall of 72.41% and precision of 70.00% for the positive
class, a recall of 70.83% and precision of 68.00% for the neutral class, and a recall of 95.04% and
precision of 96.64% for the negative class. These results demonstrate good performance in
classifying sentiments from the test data.

Keywords: sentiment analysis, naïve bayes, rapidminer