Prediksi Dukungan Publik Terhadap Program Makan Bergizi Gratis (MBG) Menggunakan Analisis Sentimen Berbasis Long Short-Term Memory (LSTM)

Abstrak

Program Makan Bergizi Gratis (MBG) merupakan kebijakan publik yang memerlukan evaluasi berbasis opini masyarakat. Penelitian ini mengembangkan model Long Short-Term Memory (LSTM) untuk mengklasifikasikan sentimen publik dari 13.923 ulasan X, diambil menggunakan library tweet-harvest. Data diproses dengan pembobotan Word2Vec dan pelabelan Lexicon-Based, menghasilkan 73.4% sentimen positif dan 26.6% negatif. Model diuji dengan rasio train-test split 60:40, 70:30, 80:20, dan 90:10, dengan performa terbaik pada rasio 80:20 (akurasi 91.71%, presisi 89%, recall 90%, F1-score 89%). Arsitektur model meliputi lapisan Embedding, LSTM (128 unit), Dropout (70%), dan Dense, dioptimalkan dengan categorical_crossentropy dan Adam. Evaluasi confusion matrix menunjukkan efektivitas model, meskipun kelas negatif lemah akibat ketidakseimbangan data. Hasilnya memberikan wawasan untuk memperbaiki implementasi MBG, dengan LSTM unggul menangkap pola teks dibandingkan SVM dan BERT.

Identifier

• DOI: https://doi.org/10.33364/algoritma/v.22-2.2690
• OpenAlex: https://openalex.org/W4417149271