Analisis Sentimen Program Makanan Bergizi Gratis Menggunakan Naïve Bayes dan Random Forest Berbasis CRISP-DM
DOI:
https://doi.org/10.46576/device.v7i1.8766Kata Kunci:
Analisis Sentimen, Makanan Bergizi Gratis, Naïve Bayes, Random Forest, CRISP-DMAbstrak
Program Makanan Bergizi Gratis (MBG) merupakan kebijakan strategis pemerintah Indonesia untuk menangani masalah kekurangan gizi dan menekan angka stunting yang mencapai 14% pada tahun 2024 demi mencapai visi Indonesia Emas 2045. Kebijakan ini memicu diskusi publik yang masif di media sosial YouTube, yang menghadirkan tantangan berupa volume data besar dan keberagaman opini. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap program MBG menggunakan metodologi Cross-Industry Standard Process for Data Mining (CRISP-DM). Dataset yang digunakan bersumber dari Kaggle yang terdiri dari 6.419 komentar YouTube. Data diproses melalui tahapan preprocessing teks dan representasi fitur TF-IDF, kemudian diklasifikasikan menggunakan algoritma Naïve Bayes dan Random Forest. Hasil penelitian menunjukkan bahwa algoritma Random Forest menghasilkan performa yang lebih unggul dengan akurasi sebesar 77,43%, sementara Naïve Bayes mencapai 65,64%. Berdasarkan distribusi data, sentimen Netral mendominasi sebesar 56,40%, diikuti oleh sentimen Positif (24,13%) dan Negatif (19,47%). Dominasi sentimen netral ini mengindikasikan bahwa masyarakat masih bersikap wait-and-see terhadap efektivitas implementasi program MBG di lapangan. Penelitian ini menyimpulkan bahwa pendekatan ensemble learning pada Random Forest lebih efektif dalam menangkap pola bahasa alami yang kompleks dibandingkan metode berbasis probabilitas murni.
Referensi
Kiftiyah, A., Palestina, F. A., Abshar, F. U., & Rofiah, K. (2025). Program makan bergizi gratis (MBG) dalam perspektif keadilan sosial dan dinamika sosial–politik. Pancasila J. Keindonesiaan, 5(1), 101–112.
Tanuwijaya, W., Setiawan, C. E., Irsyad, H., & Rahman, A. (2025). Implementasi TF-IDF dan Cosine Similarity untuk Penyaringan Dokumen Berita Program Makan Siang Gratis Pemerintah Indonesia. Device J. Inf. Syst. Comput. Sci. Inf. Technol., 6(2), 322–334.
Vanti, M. E. D., Octaviani, V., & Maryaningsih. (2024). Analisis framing pemberitaan program makan gratis Prabowo Subianto di media online. Prof. J. Komun. dan Adm. Publik.
Kurniawan, D., & Yasir, M. (2022). Optimization sentiment analysis using CRISP-DM and Naïve Bayes methods implemented on social media. Cybersp. J. Pendidik. Teknol. Inf., 6(2), 74–85.
Syabilla, L. S., Natasyah, M. I., Fathoni, & Siahaan, J. A. (2026). Klasifikasi opini tidak informatif pada program makan bergizi gratis (MBG) menggunakan Random Forest. Indones. J. Comput. Sci., 5(1), 56–64.
Hajaroh, Suprapti, T., & Narasati, R. (2024). Implementasi algoritma Naive Bayes untuk analisis sentimen ulasan produk makanan dan minuman di Tokopedia. JATI (Jurnal Mhs. Tek. Inform.), 8(1), 111–118.
Hidayat, R., & Ratnaningsih, D. J. (2025). Analisis sentimen program makanan bergizi gratis menggunakan algoritma Random Forest dan Naive Bayes. J. Comput. Informatics Res., 5(1), 395–400. https://doi.org/10.47065/comforch.v5i1.2355
Rahmat, W. A., Ladjamuddin, S. M., & Awaludin, D. T. (2023). Perbandingan algoritma Decision Tree, Random Forest dan Naive Bayes pada prediksi penilaian kepuasan penumpang maskapai pesawat menggunakan dataset Kaggle. J. Rekayasa Inf., 12(2), 150–159.
Pulungan, M. R. U., Ratnawati, D. E., & Rahayudi, B. (2022). Analisis sentimen ulasan aplikasi PeduliLindungi dengan metode Random Forest. J. Pengemb. Teknol. Inf. dan Ilmu Komput., 6(9), 4378–4385.
Kevin, M., Enjeli, M., & Wijaya, A. (2024). Analisis sentimen penggunaan aplikasi Kinemaster menggunakan metode Naive Bayes. J. Ilm. Comput. Sci., 2(2), 89–98. https://doi.org/10.58602/jics.v2i2.24
Saikin, M. T. A., Zaen, S., Fadli, S., & Fahmi, H. (2025). Penerapan algoritma BERT dalam analisis sentimen opini publik terhadap destinasi wisata dengan metode CRISP-DM. J. Artif. Intell. Digit. Bus., 4(4), 5382–5392. https://doi.org/10.31004/riggs.v4i4.4373
Unduhan
File Tambahan
Diterbitkan
Terbitan
Bagian
Lisensi
Penulis yang naskahnya diterbitkan menyetujui ketentuan sebagai berikut:
- Hak publikasi atas semua materi naskah jurnal yang diterbitkan/dipublikasikan dalam jurnal ini dipegang oleh dewan redaksi dengan sepengetahuan penulis (hak moral tetap milik penulis naskah).
- Ketentuan legal formal untuk akses artikel digital jurnal elektronik ini tunduk pada ketentuan lisensi Creative Commons Attribution-ShareAlike (CC BY), yang berarti Jurnal Device berhak menyimpan, mengalih media/format-kan, mengelola dalam bentuk pangkalan data (database), merawat, dan mempublikasikan artikel tanpa meminta izin dari Penulis selama tetap mencantumkan nama Penulis sebagai pemilik Hak Cipta.
- Naskah yang diterbitkan/dipublikasikan secara cetak dan elektronik bersifat open access untuk tujuan pendidikan, penelitian, dan perpustakaan. Selain tujuan tersebut, dewan redaksi tidak bertanggung jawab atas pelanggaran terhadap hukum hak cipta.
