View/Open

Author
Ramanda , Ditra Kristian

Date Published
12 Feb 2026

Advisor
Aswan Anggun Pribadi, S.Si., M.Si.,
Dr. Rifky Fauzi, S.Si., M.Si.,

Subject
Matematika

Publisher

Program Makan Bergizi Gratis (MBG) merupakan program pemerintah yang menyediakan makanan bergizi bagi peserta didik, ibu hamil, ibu menyusui, dan anak balita guna meningkatkan status gizi sesuai standar kecukupan gizi harian dalam cakupan nasional. Namun kebijakan tersebut memunculkan beragam respons publik terhadap program MBG. Klasifikasi sentimen diperlukan untuk mengetahui kecenderungan sikap publik terhadap MBG secara terukur berdasarkan data. Penelitian ini bertujuan mengembangkan model untuk mengklasifikasikan sentimen publik terhadap MBG ke dalam tiga kelas, yaitu positif, negatif, dan netral. Data penelitian berasal dari media sosial X yang dikumpulkan melalui crawling pada rentang 11 Februari 2025 hingga September 2025 sebanyak 670 Twit. Penelitian ini menerapkan pra-pemrosesan berupa case folding, cleaning text, tokenization, normalization, stopwords removal, dan stemming. Kemudian dilakukan pelabelan sentimen menggunakan Indonesian Sentiment Lexicon dan mengekstraksi fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF). Penelitian ini membangun model menggunakan Extreme Gradient Boosting (XGBoost) dan melakukan penyetelan hiperparameter. Hasil akhir menunjukkan konfigurasi terbaik kedalaman pohon maksimum sebesar 2, dan jumlah pohon sebanyak 500 menghasilkan akurasi 94,25% pada data latih dan 76,98% pada data uji dengan langkah pembaruan 0,05. Model ini membantu pemetaan kecenderungan sentimen publik agar evaluasi komunikasi dan pelaksanaan MBG dapat dilakukan lebih terarah.

URI
https://repo.itera.ac.id/depan/submission/SB2602130014

Keyword
Extreme Gradient Boosting (XGBoost), Klasifikasi S