Penerapan Natural Language Processing pada Algoritma Support Vector Machine dalam Menganalisis Sentimen Opini Pengguna Aplikasi X terhadap Program Makan Bergizi Gratis

Program Makanan Bergizi Gratis (MBG) merupakan salah satu kebijakan strategis pemerintah dalam upaya mengatasi masalah gizi dan prevalensi stunting di Indonesia. Opini publik yang tersebar di media sosial, khususnya di aplikasi X, memainkan peran penting dalam pembentukan persepsi dan evaluasi kebijakan. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen publik terhadap program MBG di aplikasi X dan mengukur akurasi algoritma Support Vector Machine dalam mengklasifikasikan sentimen tersebut. Penelitian ini menggunakan pendekatan Natural Language Processing dan algoritma Support Vector Machine untuk mengklasifikasikan 1.635 data teks (tweet) yang diperoleh dari aplikasi X. Data diklasifikasikan ke dalam dua kategori: sentimen negatif dan sentimen positif. Proses klasifikasi diawali dengan prapemrosesan teks dan pembobotan kata menggunakan metode TF-IDF (Term Frequency–Inverse Document Frequency). Hasil klasifikasi sentimen menunjukkan bahwa opini publik tentang program MBG didominasi oleh sentimen negatif, yang mencapai 69,5%, sedangkan sentimen positif hanya 30,5%. Hal ini menunjukkan bahwa secara keseluruhan, reaksi publik cenderung berisi kritik, ketidakpuasan, dan kekhawatiran terkait implementasi program MBG. Setelah mengevaluasi model, algoritma Support Vector Machine mampu mengklasifikasikan sentimen pengguna dengan akurasi 84,23%, presisi 75,27%, tingkat recall 72,16%, dan F1-score 73,68%. Dengan nilai akurasi ini, model dianggap kuat dan cocok untuk analisis sentimen yang lebih mendalam.