EUVIMEDEUVIMED entdecken
Open Access · CC BY-SA 4.0

Studi Komparatif IndoBERT dan SVM-TF-IDF untuk Analisis Sentimen Program Makan Bergizi Gratis Nasional

Septian Nuno Zildjian, Dian Nurdiana, Fonda Leviany, Medi Taruk

Jurnal Rekayasa Teknologi Informasi (JURTI) · 30.06.2026 · 10 (2)

DOI: 10.30872/jurti.v10i2.28221 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Jurnal Rekayasa Teknologi Informasi (JURTI), online erschienen am 30.06.2026. Verfasst von Septian Nuno Zildjian und 3 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Program Makan Bergizi Gratis (MBG) merupakan kebijakan sosial yang banyak diperbincangkan masyarakat karena berkaitan dengan isu pendidikan, gizi, anggaran, dan kesejahteraan publik. Tingginya respons masyarakat pada platform TikTok menunjukkan perlunya analisis sistematis untuk memahami kecenderungan opini publik terhadap pelaksanaan program tersebut. Penelitian ini bertujuan untuk menganalisis opini digital masyarakat terhadap Program MBG, mengidentifikasi distribusi sentimen yang terbentuk, serta membandingkan performa model IndoBERT dan SVM-TF-IDF dalam klasifikasi sentimen komentar TikTok berbahasa Indonesia. Hasil penelitian diharapkan dapat menjadi bahan evaluasi komunikasi kebijakan berbasis data. Data yang digunakan berupa komentar pengguna TikTok yang melalui tahapan preprocessing, meliputi pembersihan teks, penghapusan duplikasi, normalisasi bahasa informal, pengolahan emoji, case folding, dan penyesuaian format teks. Metode yang digunakan adalah klasifikasi teks dengan membandingkan IndoBERT sebagai model berbasis transformer bahasa Indonesia dan Support Vector Machine berbasis TF-IDF sebagai model pembanding. Hasil evaluasi menunjukkan bahwa IndoBERT memperoleh accuracy sebesar 0,8961 dan F1-makro sebesar 0,8347, lebih tinggi dibandingkan SVM-TF-IDF yang memperoleh accuracy sebesar 0,7845 dan F1-makro sebesar 0,6467. Hasil klasifikasi menunjukkan bahwa opini terkait MBG di TikTok didominasi sentimen negatif sebesar 71,7%, diikuti sentimen netral sebesar 14,3% dan sentimen positif sebesar 14,1%. Temuan ini mengindikasikan adanya kritik, kekhawatiran, atau ketidakpuasan masyarakat terhadap beberapa aspek program. Namun, dominasi sentimen negatif tidak dapat dimaknai sebagai penolakan menyeluruh terhadap Program MBG, melainkan sebagai indikator awal persepsi publik di ruang digital. Penelitian ini menyimpulkan bahwa analisis sentimen dapat membantu membaca dinamika opini masyarakat secara lebih sistematis.

Zitieren

APA

Zildjian, S. N., Nurdiana, D., Leviany, F., & Taruk, M. (2026). Studi Komparatif IndoBERT dan SVM-TF-IDF untuk Analisis Sentimen Program Makan Bergizi Gratis Nasional. Jurnal Rekayasa Teknologi Informasi (JURTI), 10(2). https://doi.org/10.30872/jurti.v10i2.28221

Vancouver

Zildjian SN, Nurdiana D, Leviany F, Taruk M. Studi Komparatif IndoBERT dan SVM-TF-IDF untuk Analisis Sentimen Program Makan Bergizi Gratis Nasional. Jurnal Rekayasa Teknologi Informasi (JURTI). 2026;10(2). doi:10.30872/jurti.v10i2.28221

BibTeX
@article{Zildjian2026,
  author = {Zildjian, Septian Nuno and Nurdiana, Dian and Leviany, Fonda and Taruk, Medi},
  title = {Studi Komparatif IndoBERT dan SVM-TF-IDF untuk Analisis Sentimen Program Makan Bergizi Gratis Nasional},
  journal = {Jurnal Rekayasa Teknologi Informasi (JURTI)},
  year = {2026},
  volume = {10},
  number = {2},
  doi = {10.30872/jurti.v10i2.28221}
}
Kostenlos starten →