OPTIMASI ALGORITMA SUPPORT VECTOR MACHINE MENGGUNAKAN GRID SEARCH UNTUK ANALISIS SENTIMEN OPINI PUBLIK TERHADAP PROGRAM MAKAN BERGIZI GRATIS DI PLATFORM X (TWITTER)

Rolly Dhea Venesia Sibuea, . (2026) OPTIMASI ALGORITMA SUPPORT VECTOR MACHINE MENGGUNAKAN GRID SEARCH UNTUK ANALISIS SENTIMEN OPINI PUBLIK TERHADAP PROGRAM MAKAN BERGIZI GRATIS DI PLATFORM X (TWITTER). Skripsi thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

	Text Cover_123220134.pdf Download (167kB)
	Text Abstrak_123220134.pdf Download (258kB)
	Text Halaman Pengesahan_123220134.pdf Download (272kB)
	Text Daftar Isi_123220134.pdf Download (268kB)
	Text Daftar Pustaka_123220134.pdf Download (205kB)
	Text Fulltext_123220134.pdf Restricted to Repository staff only Download (4MB)

Abstract

Program Makan Bergizi Gratis merupakan salah satu program pemerintah yang bertujuan untuk meningkatkan kualitas gizi masyarakat, khususnya bagi anak usia sekolah. Program ini menimbulkan berbagai opini dari masyarakat yang disampaikan melalui media sosial, salah satunya platform X (Twitter). Opini yang muncul berupa dukungan, kritik, maupun saran terhadap program tersebut. Oleh karena itu, persepsi masyarakat terhadap program ini perlu dianalisis menggunakan pendekatan analisis sentimen.
Penelitian ini bertujuan untuk menganalisis sentimen opini publik mengenai Program Makan Bergizi Gratis pada platform X (Twitter) menggunakan algoritma Support Vector Machine (SVM) yang dioptimasi dengan metode Grid Search. Data penelitian diperoleh melalui proses crawling sebanyak 3.539 tweet, yang kemudian diberi label sentimen secara manual ke dalam dua kategori, yaitu positif dan negatif. Tahap preprocessing meliputi cleaning, case folding, tokenizing, normalization, negation handling, stopwords removal, dan stemming. Selanjutnya, data dibagi menjadi data latih dan data uji dengan rasio 80:20. Data tersebut kemudian diubah menjadi representasi numerik menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF). Model SVM dilatih dengan optimasi parameter menggunakan Grid Search dan dievaluasi menggunakan teknik 5-fold cross-validation untuk memperoleh parameter terbaik serta memastikan performa model yang lebih stabil.
Hasil penelitian menunjukkan bahwa optimasi Grid Search pada algoritma SVM mampu meningkatkan performa klasifikasi sentimen. Parameter terbaik diperoleh dengan nilai C=10 dan gamma (γ)=1.. Model menghasilkan nilai akurasi sebesar 83,47%, precision sebesar 85,83%, recall sebesar 83,85%, dan F1-score sebesar 84,82%, serta menunjukkan peningkatan dibandingkan model tanpa optimasi. Selain itu, penerapan 5-fold cross-validation berperan dalam mengevaluasi model secara lebih akurat dan mendukung pemilihan parameter optimal, sehingga model yang dihasilkan memiliki kemampuan generalisasi yang lebih baik dalam mengklasifikasikan sentimen opini publik terhadap Program Makan Bergizi Gratis di media sosial.

Kata Kunci: Analisis Sentimen, Support Vector Machine, Grid Search, Twitter, Program Makan Bergizi Gratis

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	ROLLY DHEA VENESIA SIBUEA (Penulis - 123220134) ; Ahmad Taufiq Akbar (Pembimbing)
Uncontrolled Keywords:	Analisis Sentimen, Support Vector Machine, Grid Search, Twitter, Program Makan Bergizi Gratis
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Indah Lestari
Date Deposited:	20 Apr 2026 03:57
Last Modified:	20 Apr 2026 03:57
URI:	http://eprints.upnyk.ac.id/id/eprint/47859

Actions (login required)

View Item