Analisis Sentimen Publik terhadap Program Makan Bergizi Gratis pada TikTok Menggunakan XGBoost dan IndoBERT

Abstract

TikTok adalah platform media sosial yang paling digunakan secara aktif dari seluruh kalangan umur, menjadi
salah satu tempat diskusi publik, salah satunya terkait program Makan Bergizi Gratis (MBG). Opini masyarakat
tersebar luas di platform media sosial ini dengan bentuk teks dari hasil komentar, yang memiliki bahasa tidak
terstruktur dan penuh dengan bahasa gaul. Yang berpengaruh terhadap sulitnya penerimaan masukan secara
otomatis, sementara metode survei membutuhkan waktu yang lama. Penelitian ini bertujuan untuk mengukur
tingkat penerimaan masyarakat terhadap Makan Bergizi Gratis dengan klasifikasi data teks komentar pada
platform TikTok ke dalam tiga variabel keputusan sentimen. Dengan total data teks komentar sebanyak 57.362
yang kemudian akan dibersihkan dengan confidence filtering, memperoleh data valid sebesar 42.023 komentar.
Menggunakan RoBERTa sebagai pelabelan otomatis dan pre-trained model IndoBERT untuk
mentransformasikan teks bersih menjadi metrik, kemudian menggunakan algoritma supervised learning
XGBoost untuk klasifikasi akhir. Hasil pengujian Hybrid IndoBERT-XGBoost memiliki nilai Accuracy 95,21%
dengan F1-Score sebesar 95,18%. Temuan ini dapat memberikan kontribusi dalam bentuk prototype dashboard
sebagai produk akhir yang berfungsi untuk memantau akumulasi volume sentimen publik secara real-time