Analisis Sentimen Terhadap Program Makan Siang Gratis pada Media Sosial X Menggunakan Logistic Regression dan SVM
DOI:
https://doi.org/10.37278/insearch.v24i1.1238Abstract
Program makan siang gratis bertujuan meningkatkan gizi anak dan konsentrasi belajar, namun pelaksanaannya mendapat beragam respons publik. Penelitian ini menganalisis sentimen masyarakat terhadap program tersebut di media sosial X menggunakan Support Vector Machine (SVM) dan Logistic Regression. Dari 6.346 komentar yang dikumpulkan, sentimen positif mendominasi 4.323 komentar, diikuti oleh negatif 1.121 dan netral 902. Logistic Regression menunjukkan akurasi lebih tinggi 82,00% dibandingkan SVM 77,00%, menandakan kemampuannya yang lebih baik dalam membedakan variasi sentimen. Hasil ini memberikan wawasan bagi pembuat kebijakan dalam mengevaluasi opini publik terhadap program. Studi lanjutan disarankan untuk mengeksplorasi model deep learning guna meningkatkan akurasi serta mempertimbangkan aspek temporal dan kontekstual dalam analisis sentimen.
References
Ade Dwi Dayani, Yuhandri, & Widi Nurcahyo, G. (2024). Analisis Sentimen Terhadap Opini Publik pada Sosial Media Twitter Menggunakan Metode Support Vector Machine. Jurnal KomtekInfo, 1–10. doi:10.35134/komtekinfo.v11i1.439
Assaidi, S. A., & Amin, F. (n.d.). Analisis Sentimen Evaluasi Pembelajaran Tatap Muka 100 Persen pada Pengguna Twitter menggunakan Metode Logistic Regression.
Chatterjee, S., Rana, N. P., & Dwivedi, Y. K. (2020). Social media as a tool of knowledge sharing in academia: an empirical study using valance, instrumentality and expectancy (VIE) approach. Journal of Knowledge Management, 24(10), 2531–2552. doi:10.1108/JKM-04-2020-0252
Fajri, K., & Rahmaningtyas, G. Y. (2017). InSet Lexicon: Evaluation of a word list for Indonesian sentiment analysis in microblogs. GitHub. Retrieved January 23, 2025, from https://github.com/fajri91/InSet
Fornigulo. (n.d.). Kamus Slang. Kaggle. Retrieved January 23, 2025, from https://www.kaggle.com/datasets/fornigulo/kamus-slag
Husen, R. A., Astuti, R., Marlia, L., Rahmaddeni, R., & Efrizoni, L. (2023). Analisis Sentimen Opini Publik pada Twitter Terhadap Bank BSI Menggunakan Algoritma Machine Learning. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 3(2), 211–218. doi:10.57152/malcom.v3i2.901
Kementerian Kesehatan Republik Indonesia. (2024). Panduan Hari Gizi Nasional ke 64 Tahun 2024. Retrieved January 23, 2025, from https://ayosehat.kemkes.go.id/panduan-hari-gizi-nasional-ke-64-tahun-2024
Lidinillah, E. R., Rohana, T., & Juwita, A. R. (2023). Analisis sentimen twitter terhadap steam menggunakan algoritma logistic regression dan support vector machine. TEKNOSAINS : Jurnal Sains, Teknologi Dan Informatika, 10(2), 154–164. doi:10.37373/tekno.v10i2.440
Liu, B. (2012). Sentiment Analysis and Opinion Mining. Morgan & Claypool Publishers.
Mallick, C., Mishra, S., Giri, P. K., & Paikaray, B. K. (2023). Machine learning approaches to sentiment analysis in online social networks. International Journal of Work Innovation, 3(4), 317. doi:10.1504/IJWI.2023.128860
Maulana, A., Inayah Khasnaputri Afifah, Asghafi Mubarrak, Kiagus Rachmat Fauzan, Ardhan Dwintara, & Zen, B. P. (2023). COMPARISON OF LOGISTIC REGRESSION, MULTINOMIALNB, SVM, AND K-NN METHODS ON SENTIMENT ANALYSIS OF GOJEK APP REVIEWS ON THE GOOGLE PLAY STORE. Jurnal Teknik Informatika (Jutif), 4(6), 1487–1494. doi:10.52436/1.jutif.2023.4.6.863
Rabbani, S., Safitri, D., Rahmadhani, N., Sani, A. A. F., & Anam, M. K. (2023). Perbandingan Evaluasi Kernel SVM untuk Klasifikasi Sentimen dalam Analisis Kenaikan Harga BBM. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 3(2), 153–160. doi:10.57152/malcom.v3i2.897
Rimbawan, R., Nurdiani, R., Rachman, P. H., Kawamata, Y., & Nozawa, Y. (2023). School Lunch Programs and Nutritional Education Improve Knowledge, Attitudes, and Practices and Reduce the Prevalence of Anemia: A Pre-Post Intervention Study in an Indonesian Islamic Boarding School. Nutrients, 15(4), 1055. doi:10.3390/nu15041055
Sihombing, E., Halmi Dar, M., & Aini Nasution, F. (2024). Comparison of Machine Learning Algorithms in Public Sentiment Analysis of TAPERA Policy. International Journal of Science, Technology & Management, 5(5), 1089–1098. doi:10.46729/ijstm.v5i5.1164
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Taufik Abdul Aziz, Iqbal Ismayadi, Budiman Budiman
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
