Analisis sentimen berbasis aspek terhadap program makan bergizi gratis di media sosial X menggunakan metode support vector machine

INDONESIA:

Perkembangan media sosial memungkinkan opini publik terhadap Program Makan Bergizi Gratis (MBG) tersebar dengan cepat. Penelitian ini bertujuan menganalisis sentimen masyarakat serta menilai tingkat keberhasilan Program MBG berdasarkan opini di media sosial X. Metode yang digunakan adalah Support Vector Machine (SVM) dengan ekstraksi fitur Term Frequency–Inverse Document Frequency (TF–IDF). Proses penelitian meliputi pengumpulan data, preprocessing, ekstraksi fitur, serta klasifikasi sentimen positif dan negatif yang mengombinasikan kernel, rasio data, dan parameter hiper. Hasil penelitian menunjukkan bahwa model terbaik diperoleh pada kernel Polynomial dengan parameter C=10, gamma=1, dan degree=2, menghasilkan akurasi 70%, presisi 87,50%, recall 8,97%, dan F1-score 16,28%. Berdasarkan hasil klasifikasi terhadap 599 data tweet, diperoleh 407 tweet bernada negatif dan 192 tweet positif, menunjukkan bahwa persepsi publik terhadap program cenderung negatif. Analisis WordCloud memperkuat hasil tersebut, di mana kata-kata seperti “mahal”, “anggaran”, “beban”, dan “tidak merata” mendominasi sentimen negatif, sedangkan kata “gizi”, “gratis”, dan “program” mencerminkan dukungan terhadap manfaat program.

ENGLISH:

The rapid growth of social media has enabled public opinions about the Free Nutritious Meal Program (Makan Bergizi Gratis/MBG) to spread widely and quickly. This study aims to analyze public sentiment and to assess the perceived success of the MBG program based on opinions expressed on the X social media platform. A Support Vector Machine (SVM) classifier was employed using Term Frequency–Inverse Document Frequency (TF–IDF) for feature extraction. The research workflow consisted of data collection, text preprocessing, feature extraction, and sentiment classification into positive and negative categories by experimenting with different kernels, data split ratios, and hyperparameter settings. The best-performing model used a polynomial kernel with parameters C=10, \gamma=1, and degree =2, achieving 70% accuracy, 87.50% precision, 8.97% recall, and a 16.28% F1-score. Sentiment classification of 599 tweets resulted in 407 negative tweets and 192 positive tweets, indicating that public perception of the program tends to be negative. Word cloud analysis further supported these findings: terms such as “expensive,” “budget,” “burden,” and “unequal distribution” dominated negative sentiment, while words like “nutrition,” “free,” and “program” reflected support for the program’s perceived benefits.

ARABIC:

أتاحت التطوّرات المتسارعة في وسائل التواصل الاجتماعي انتشار آراء الجمهور حول برنامج الوجبات المغذّية المجّانية بسرعة كبيرة. يهدف هذا البحث إلى تحليل مشاعر المجتمع وتقييم مستوى نجاح البرنامج استناداً إلى الآراء المنشورة على منصة إكس. واعتمدت الدراسة آلة المتجهات الداعمة في التصنيف، مع استخدام تردّد المصطلح ومعكوس تردّد المستند لاستخراج السمات. وشملت إجراءات البحث جمع البيانات، ومعالجة النصوص معالجةً مسبقة، واستخراج السمات، ثم تصنيف المشاعر إلى إيجابية وسلبية عبر الجمع بين أنواع النوى المختلفة، ونِسَب تقسيم البيانات، ومعلمات الضبط الفائق.وأظهرت النتائج أنّ أفضل نموذج تحقق عند استخدام نواة متعددة الحدود مع الإعدادات الآتية: معامل الانتظام ١٠، وغاما ١، والدرجة ٢؛ إذ بلغت الدقّة ٧٠٪، والإحكام ٨٧٫٥٠٪، والاستدعاء ٨٫٩٧٪، ودرجة إف واحد ١٦٫٢٨٪. وبناءً على تصنيف ٥٩٩ تغريدة، تبيّن وجود ٤٠٧ تغريدات ذات نبرة سلبية مقابل ١٩٢ تغريدة إيجابية، مما يدلّ على أنّ تصوّر الجمهور تجاه البرنامج يميل إلى السلبية. كما عزّز تحليل سحابة الكلمات هذه النتيجة؛ إذ غلبت مفردات مثل: «غالي»، و«الميزانية»، و«عبء»، و«غير متكافئ» في السياقات السلبية، في حين ظهرت كلمات مثل: «التغذية»، و«مجّاني»، و«البرنامج» بوصفها مؤشرات على دعم فوائد البرنامج.