Klasifikasi sentimen terhadap program makan bergizi gratis menggunakan metode Logistic Regression

INDONESIA:

Tingginya prevalensi stunting di Indonesia memotivasi pemerintah untuk meluncurkan Program Makan Bergizi Gratis (MBG) sebagai kebijakan untuk mengatasi masalah gizi buruk pada anak-anak. Meskipun program ini ditujukan untuk meningkatkan kualitas gizi masyarakat, tingkat penerimaan publik terhadap MBG masih perlu dievaluasi. Untuk memahami respons masyarakat, penelitian ini melakukan klasifikasi sentimen terhadap wacana MBG pada platform media sosial X. Penelitian ini bertujuan memetakan sentimen publik menggunakan algoritma Logistic Regression. Data yang digunakan terdiri dari 1.134 tweet berbahasa Indonesia yang dikumpulkan pada Desember 2024 dengan kata kunci “makan bergizi gratis”. Data direpresentasikan menggunakan teknik pembobotan kata TF-IDF. Eksperimen dilakukan menggunakan empat rasio pembagian data (60:40, 70:30, 80:20, dan 90:10), penerapan class weighting, serta variasi learning rate (0.1, 0.01, dan 0.001). Hasil terbaik diperoleh pada rasio 60:40 dengan penerapan class weighting dan learning rate 0.001, menghasilkan akurasi 74,88%, precision 70,98%, recall 69,35%, serta F1-score 69,59%. Temuan ini menunjukkan bahwa Logistic Regression dapat digunakan secara efektif untuk memetakan sentimen publik dan memberikan wawasan yang relevan dalam evaluasi kebijakan Program Makan Bergizi Gratis.

ENGLISH:

The high prevalence of stunting in Indonesia has motivated the government to launch the Free Nutritious Meal (MBG) Program as a policy intervention to address child malnutrition. Although the program aims to improve the nutritional status of the population, public acceptance of MBG remains uncertain. To assess societal responses, this study conducts sentiment classification on public discourse regarding MBG on the social media platform X. The objective of this research is to map public sentiment using the Logistic Regression algorithm. The dataset consists of 1,134 Indonesian-language tweets collected in December 2024 using the keyword “makan bergizi gratis.” The data were represented using the TF-IDF word-weighting technique. Experiments were carried out using four data-splitting ratios (60:40, 70:30, 80:20, and 90:10), the application of class weighting, and variations of learning rates (0.1, 0.01, and 0.001). The best performance was achieved using the 60:40 ratio with class weighting and a learning rate of 0.001, yielding an accuracy of 74.88%, precision of 70.98%, recall of 69.35%, and an F1-score of 69.59%. These findings demonstrate that Logistic Regression is an effective method for mapping public sentiment and provides valuable insights for evaluating the Free Nutritious Meal policy.

ARABIC:

إن الانتشار المرتفع للتقزّم (stunting) في إندونيسيا حفّز الحكومة على إطلاق برنامج "الوجبة المغذية المجانية" (MBG) كسياسة لمعالجة مشكلة سوء التغذية لدى الأطفال. وعلى الرغم من أن هذا البرنامج يهدف إلى تحسين الجودة الغذائية للمجتمع، إلا أن مستوى القبول العام لبرنامج MBG لا يزال بحاجة إلى تقييم. ولفهم استجابة المجتمع، أجرى هذا البحث تصنيفًا للمشاعر تجاه خطاب برنامج MBG على منصة التواصل الاجتماعي "إكس" (X) بهدف رسم خريطة للمشاعر العامة باستخدام خوارزمية الانحدار اللوجستي (Logistic Regression). تتكون البيانات المستخدمة من 1,134 تغريدة باللغة الإندونيسية تم جمعها في ديسمبر 2024 باستخدام الكلمات المفتاحية "makan bergizi gratis"، وتم تمثيلها باستخدام تقنية ترجيح الكلمات TF-IDF. تم إجراء التجربة باستخدام أربع نسب لتقسيم البيانات (60:40، 70:30، 80:20، و 90:10)، وتطبيق ترجيح الفئة (class weighting)، بالإضافة إلى تنويع معدل التعلّم (0.1، 0.01، و 0.001). وقد تم الحصول على أفضل النتائج عند نسبة تقسيم 60:40 مع تطبيق ترجيح الفئة ومعدل تعلّم 0.001، مما أسفر عن دقة (accuracy) بنسبة 74.88%، وضبط (precision) بنسبة 70.98%، واستدعاء (recall) بنسبة 69.35%، ودرجة f1-score)) بنسبة 69.59%. تشير هذه النتائج إلى أنه يمكن استخدام الانحدار اللوجستي بفعالية لرسم خريطة للمشاعر العامة وتوفير رؤى ذات صلة في تقييم سياسة برنامج الوجبة المغذية المجانية.