Program Makan Bergizi Gratis merupakan salah satu program pemerintah yangrnbertujuan meningkatkan kualitas gizi masyarakat. Pelaksanaan program tersebutrnmenimbulkan berbagai tanggapan yang banyak disampaikan melalui kolomrnkomentar YouTube. Banyaknya komentar yang tersedia dapat dimanfaatkan untukrnmelakukan analisis sentimen guna mengetahui kecenderungan opini masyarakatrnterhadap program tersebut. Penelitian ini bertujuan menganalisis sentimenrnmasyarakat terhadap Program Makan Bergizi Gratis menggunakan algoritmarnMultinomial Naive Bayes. Penelitian ini menggunakan metode CRISP-DM yangrnterdiri atas tahapan Business Understanding, Data Understanding, DatarnPreparation, Modeling, Evaluation, dan Deployment. Dataset yang digunakanrnberjumlah 1.000 komentar YouTube yang terdiri atas 503 sentimen negatif, 251rnsentimen positif, dan 246 sentimen netral. Tahap prapemrosesan meliputi cleaning,rncase folding, Normalization, dan stemming. Selanjutnya dilakukan ekstraksi fiturrnmenggunakan TF-IDF, penyeimbangan data menggunakan SMOTE, sertarnpembagian data latih dan data uji dengan perbandingan 80:20. Model kemudianrndibangun menggunakan algoritma Multinomial Naive Bayes dan dievaluasirnmenggunakan confusion matrix serta classification report. Hasil penelitianrnmenunjukkan bahwa model memperoleh akurasi sebesar 80,46% denganrnkemampuan klasifikasi yang baik pada ketiga kelas sentimen. Selain itu, hasilrnanalisis menunjukkan bahwa sentimen negatif merupakan sentimen yang palingrndominan terhadap Program Makan Bergizi Gratis. Model yang telah dibangunrnkemudian diimplementasikan dalam aplikasi berbasis Streamlit untuk memudahkanrnproses prediksi sentimen.


Deskripsi Lain

The Free Nutritious Meal Program is a government initiative aimed at improvingrnpublic nutritional standards. The implementation of the program has generatedrnvarious public responses, many of which were expressed through YouTuberncomment sections. The large number of available comments provided anrnopportunity to conduct sentiment analysis in order to identify public opinion trendsrntoward the program. This study aimed to analyze public sentiment toward the FreernNutritious Meal Program using the Multinomial Naive Bayes algorithm. Thernresearch employed the CRISP-DM methodology, which consisted of the stages ofrnBusiness Understanding, Data Understanding, Data Preparation, Modeling,rnEvaluation, and Deployment. The dataset consisted of 1,000 YouTube comments,rnincluding 503 negative, 251 positive, and 246 neutral sentiments. Thernpreprocessing stage included cleaning, case folding, Normalization, and stemming.rnSubsequently, feature extraction was performed using TF-IDF, data balancing wasrnconducted using SMOTE, and the dataset was divided into training and testing setsrnwith an 80:20 ratio. The classification model was developed using the MultinomialrnNaive Bayes algorithm and was evaluated using a confusion matrix and arnclassification report. The results showed that the model achieved an accuracy ofrn80.46%, indicating good classification performance across the three sentimentrncategories. Furthermore, the analysis revealed that negative sentiment was therndominant public response toward the Free Nutritious Meal Program. Finally, therndeveloped model was implemented in a Streamlit-based application to facilitate thernsentiment prediction process.

• Aplikasi Website dan E-DMS Kejaksaan Negeri Kraksaan dengan Metode TF-IDF
• Sistem Analisis Sentimen Produk Telkomsel dari Opini Twitter Berbahsa Indonesia Menggunakan Metode Naive Bayes Classifier
• ANALISIS SENTIMEN UNTUK MENGETAHUI RESPON PUBLIK MENGENAI KEBIJAKAN PEMERINTAH PADA TWITTER MENGGUNAKAN METODE NAIVE BAYES (STUDI KASUS: Rancangan Hukuman Kebiri Bagi Pedofil)
• Analisis Sentimen dari Media Sosial Menggunakan Metode Information Gain dan Naive Bayes
• KOMBINASI ANTARA TERM WEIGHTING DENGAN INTEGRATED COLOR AND INTENSITY CO-OCCURENCE MATRIX UNTUK DUA LAPIS TEMU KEMBALI CITRA PADA MEDIA SOSIAL TWITTER