ANALISIS SENTIMEN OPINI PUBLIK TERHADAP PROGRAM MAKAN BERGIZI GRATIS DI MEDIA SOSIAL X MENGGUNAKAN NAÏVE BAYES CLASSIFIER (NBC) DAN SUPPORT VECTOR MACHINE (SVM)

Usraini, Laisa (2026) ANALISIS SENTIMEN OPINI PUBLIK TERHADAP PROGRAM MAKAN BERGIZI GRATIS DI MEDIA SOSIAL X MENGGUNAKAN NAÏVE BAYES CLASSIFIER (NBC) DAN SUPPORT VECTOR MACHINE (SVM). Tugas Akhir (S1) - thesis, Universitas Bakrie.

	Text (00. Cover) 00. Cover.pdf - Accepted Version Download (633kB)
	Text (01. BAB I-III) 01. BAB I-III.pdf - Accepted Version Restricted to Registered users only Download (1MB) | Request a copy
	Text (02. BAB IV) 02. BAB IV.pdf - Accepted Version Restricted to Registered users only Download (2MB) | Request a copy
	Text (03. BAB V) 03. BAB V.pdf - Accepted Version Restricted to Registered users only Download (272kB) | Request a copy
	Text (04. DAFTAR PUSTAKA) 04. DAFTAR PUSTAKA.pdf - Accepted Version Download (332kB)
	Text (05. LAMPIRAN) 05. LAMPIRAN.pdf - Accepted Version Restricted to Registered users only Download (234kB) | Request a copy

Abstract

Program Makan Bergizi Gratis (MBG) merupakan salah satu program prioritas pemerintah yang memicu banyak tanggapan masyarakat di media sosial X. Besarnya jumlah opini membuat analisis manual menjadi kurang efektif, sekaligus penelitian terdahulu umumnya hanya membandingkan akurasi tanpa mengukur efisiensi komputasi secara kuantitatif. Penelitian ini bertujuan membandingkan kinerja klasifikasi sekaligus efisiensi komputasi algoritma Naïve Bayes Classifier (NBC) dan Support Vector Machine (SVM) dalam menganalisis sentimen opini publik terhadap program MBG. Metode yang digunakan mengikuti kerangka kerja SEMMA, mencakup pengumpulan tweet berbahasa Indonesia melalui Tweet-Harvest, preprocessing, pelabelan sentimen, dan pembobotan fitur dengan TF-IDF. Kedua algoritma diuji pada rasio 70:30, 80:20, dan 90:10 serta divalidasi dengan K-Fold Cross Validation (k=10), lalu dievaluasi berdasarkan accuracy, precision, recall, dan F1-score, serta dibandingkan dari sisi training time dan inference time. Hasil penelitian menunjukkan SVM memperoleh kinerja klasifikasi lebih baik dibandingkan NBC, dengan rata-rata akurasi 73,18% dan F1-makro 67,35% pada validasi K-Fold Cross Validation (K=10), sedangkan NBC memperoleh akurasi 62,74% dan F1-makro 47,16%. Sebaliknya, NBC jauh lebih unggul dari sisi efisiensi, karena SVM membutuhkan waktu pelatihan dan prediksi hingga ratusan kali lebih lama. Penelitian ini menyimpulkan terdapat trade-off antara kinerja klasifikasi dan efisiensi komputasi, sehingga pemilihan algoritma perlu mempertimbangkan keduanya sesuai kebutuhan.

Item Type:	Thesis (Tugas Akhir (S1) - )
Uncontrolled Keywords:	analisis sentimen, Makan Bergizi Gratis, Naïve Bayes Classifier, Support Vector Machine, efisiensi komputasi
Subjects:	Computer Science > Information analysis Computer Science > Artificial intelligence (Kecerdasan buatan) Computer Science > Data mining (Penggalian data) Thesis > Thesis (S1)
Divisions:	Fakultas Teknik dan Ilmu Komputer > Program Studi Informatika
Depositing User:	Laisa Usraini
Date Deposited:	22 Sep 2026 04:29
Last Modified:	22 Sep 2026 04:29
URI:	https://repository.bakrie.ac.id/id/eprint/15053

Actions (login required)

View Item