Analisis Sentimen Program Makan Bergizi Gratis di Media Sosial X dengan Stacking Naive Bayes, SVM dan RF

Wira Pratama, Agil (2025) Analisis Sentimen Program Makan Bergizi Gratis di Media Sosial X dengan Stacking Naive Bayes, SVM dan RF. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (227kB)
	PDF BAB_II.pdf Download (984kB)
	PDF BAB_III.pdf Download (478kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (554kB)
	PDF BAB_V.pdf Download (208kB)
	PDF DAFTAR_PUSTAKA.pdf Download (216kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (554kB)

Abstract

Program Makan Bergizi Gratis yang diusung oleh pemerintah menimbulkan beragam opini publik di media sosial, khususnya Twitter. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap program tersebut menggunakan pendekatan Stacking Ensemble yang menggabungkan tiga algoritma klasifikasi: Naive Bayes, Support Vector Machine (SVM), dan Random Forest. Pengumpulan data dilakukan melalui Twitter menggunakan kata kunci relevan, lalu diproses melalui tahap praproses teks dan representasi fitur dengan metode TF-IDF. Untuk mengatasi ketidakseimbangan data, digunakan teknik Synthetic Minority Oversampling Technique (SMOTE). Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model Stacking menghasilkan performa lebih baik dibandingkan model dasar individu, dengan akurasi tertinggi mencapai 92,98% pada skenario pembagian data 90:10. Temuan ini menunjukkan bahwa pendekatan ensemble dapat meningkatkan efektivitas klasifikasi sentimen dalam studi opini publik.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Wira Pratama, Agil (00000061000)
Contributors:	Agustriawan, David
Keywords:	Analisis Sentimen, Makan Bergizi Gratis, Naive Bayes, Random Forest, Stacking, SVM
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	10 Sep 2025 05:33
URI:	https://kc.umn.ac.id/id/eprint/40397

Actions (login required)

View Item