Analisis Sentimen Opini Publik Indonesia terhadap Makanan Bergizi Gratis pada Komentar YouTube Menggunakan Metode Naive Bayes

Miguel Syahnanta, Nicholas (2026) Analisis Sentimen Opini Publik Indonesia terhadap Makanan Bergizi Gratis pada Komentar YouTube Menggunakan Metode Naive Bayes. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (413kB)
	PDF BAB_I.pdf Download (215kB)
	PDF BAB_II.pdf Download (278kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (382kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (566kB)
	PDF BAB_V.pdf Restricted to Registered users only Download (207kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (208kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (709kB)
	Archive (ZIP) 00000076394_2521_LembarPengesahan.pdf Restricted to Registered users only Download (66kB)

Abstract

Program Makan Bergizi Gratis (MBG) merupakan salah satu kebijakan pemerintah Indonesia yang bertujuan meningkatkan pemenuhan gizi peserta didik, balita, serta ibu hamil dan menyusui. Pelaksanaan program ini memunculkan berbagai tanggapan masyarakat yang banyak disampaikan melalui media sosial, khususnya kolom komentar YouTube. Penelitian ini bertujuan mengimplementasikan algoritma Naive Bayes untuk mengklasifikasikan sentimen masyarakat Indonesia terhadap Program MBG serta mengevaluasi pengaruh teknik penyeimbangan data terhadap performa model.Dataset penelitian terdiri atas 2.974 komentar yang dikumpulkan dari 27 video YouTube media nasional menggunakan YouTube Data API v3. Seluruh komentar diberi label secara manual ke dalam tiga kelas, yaitu positif, negatif, dan netral. Tahapan pengolahan data meliputi preprocessing teks, ekstraksi fitur menggunakan Term Frequency­Inverse Document Frequency (TF- IDF), pembagian data menggunakan Stratified Split dengan rasio 80:20, serta penyeimbangan data menggunakan SMOTE-Tomek. Penelitian membandingkan dua varian algoritma Naive Bayes, yaitu Multinomial Naive Bayes (MNB) dan Complement Naive Bayes (CNB). Evaluasi dilakukan menggunakan confusion matrix, accuracy, precision, recall, dan macro F1-score.Hasil penelitian menunjukkan bahwa penerapan SMOTE-Tomek meningkatkan performa model MNB, dengan accuracy meningkat dari 61% menjadi 68% serta macro F1- score dari 32,19% menjadi 55,49%. Sebaliknya, penerapan SMOTE-Tomek tidak memberikan peningkatan pada model CNB yang memperoleh accuracy sebesar 67% baik sebelum maupun sesudah penyeimbangan data. Penelitian ini menyimpulkan bahwa algoritma Naive Bayes dapat digunakan untuk analisis sentimen terhadap Program MBG, namun efektivitas teknik penyeimbangan data bergantung pada karakteristik algoritma yang digunakan.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Miguel Syahnanta, Nicholas (00000076394)
Contributors:	Waworuntu, Alexander
Keywords:	Komentar YouTube, Makan Bergizi Gratis, Naive Bayes, Analisis Sentimen, SMOTE-Tomek.
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	29 Jul 2026 12:02
URI:	https://kc.umn.ac.id/id/eprint/48651

Actions (login required)

View Item