ANALISIS SENTIMEN KOMENTAR YOUTUBE TERHADAP PROGRAM MAKAN BERGIZI GRATIS MENGGUNAKAN ALGORITMA NAIVE BAYES

SYAWAL, LAKSAMANA RHAZES (2026) ANALISIS SENTIMEN KOMENTAR YOUTUBE TERHADAP PROGRAM MAKAN BERGIZI GRATIS MENGGUNAKAN ALGORITMA NAIVE BAYES. Skripsi (Bachelor) thesis, Universitas Muhammadiyah Bengkulu.

[img] Text (Fulltext)
LAKSAMANA RHAZES SYAWAL_2255201137_Fulltext.pdf - Submitted Version
Restricted to Repository staff only
Download (6MB) | Request a copy
[img] Text (Turnitin)
LAKSAMANA RHAZES SYAWAL_2255201137_Turnitin.pdf - Submitted Version
Restricted to Repository staff only
Download (10MB) | Request a copy
[img] Text (ABSTRAK+BAB 1)
LAKSAMANA RHAZES SYAWAL_2255201137_ABSTRAK+BAB 1.pdf - Submitted Version
Download (575kB)
[img] Text (BAB 2)
LAKSAMANA RHAZES SYAWAL_2255201137_BAB 2.pdf - Submitted Version
Download (406kB)
[img] Text (BAB 3)
LAKSAMANA RHAZES SYAWAL_2255201137_BAB 3.pdf - Submitted Version
Restricted to Repository staff only
Download (4MB) | Request a copy
[img] Text (BAB 4)
LAKSAMANA RHAZES SYAWAL_2255201137_BAB 4.pdf - Submitted Version
Restricted to Repository staff only
Download (836kB) | Request a copy
[img] Text (BAB 5)
LAKSAMANA RHAZES SYAWAL_2255201137_BAB 5.pdf - Submitted Version
Download (257kB)
[img] Text (Ref+Lamp)
LAKSAMANA RHAZES SYAWAL_2255201137_Ref+Lamp.pdf - Submitted Version
Download (276kB)

Abstract

Program Makan Bergizi Gratis (MBG) merupakan salah satu kebijakan strategis pemerintah Indonesia yang bertujuan untuk meningkatkan kualitas gizi anak usia sekolah di seluruh wilayah Indonesia. Program ini memicu beragam respons masyarakat, baik berupa dukungan maupun kritik, yang secara aktif diungkapkan melalui komentar pada platform YouTube. Penelitian ini bertujuan untuk menganalisis kecenderungan sentimen masyarakat terhadap Program MBG berdasarkan komentar YouTube menggunakan algoritma Naive Bayes sebagai metode klasifikasi, dengan dukungan teknik Easy Data Augmentation (EDA) untuk mengatasi ketidakseimbangan data serta pelabelan otomatis menggunakan model IndoBERT (Indonesian RoBERTa) sebagai pendekatan pseudo-labelling. Data penelitian dikumpulkan melalui teknik scraping menggunakan YouTube DATA API v3 dengan 18 variasi kata kunci yang relevan sehingga menghasilkan 10.073 komentar unik. Setelah melalui proses seleksi dan prapemrosesan teks yang meliputi cleaning, case folding, normalizing, tokenizing, stopword removal, dan stemming menggunakan library Sastrawi, diperoleh 9.589 data yang siap dianalisis. Selanjutnya, data diberi label secara otomatis menggunakan model IndoBERT (w11wo/indonesian-roberta-base-sentiment-classifier) dengan distribusi 5.039 komentar negatif (52,5%), 2.517 komentar netral (26,3%), dan 2.032 komentar positif (21,2%). Untuk mengatasi ketidakseimbangan distribusi kelas, diterapkan teknik Easy Data Augmentation (EDA) menggunakan strategi Random Word Swap (aug_p=0.2), sehingga jumlah data pada setiap kelas menjadi seimbang, yaitu masing-masing 5.039 data. Proses ekstraksi fitur dilakukan menggunakan metode TF-IDF dengan konfigurasi N-Gram (1,2), sedangkan pemilihan hyperparameter menggunakan GridSearchCV dengan validasi silang 5-fold. Hasil pengujian menunjukkan bahwa model Naive Bayes dengan nilai alpha sebesar 0,1 mampu mencapai accuracy keseluruhan sebesar 84,06%, dengan nilai F1-Score masing-masing sebesar 0,81 untuk kelas negatif, 0,83 untuk kelas netral, dan 0,88 untuk kelas positif. Temuan ini menunjukkan bahwa kombinasi algoritma Naive Bayes, teknik EDA, dan pelabelan otomatis menggunakan IndoBERT efektif dalam menganalisis sentimen masyarakat terhadap Program Makan Bergizi Gratis berdasarkan komentar pada platform YouTube. Kata Kunci: Analisis Sentimen, Program Makan Bergizi Gratis, YouTube, Naive Bayes, TF-IDF, Easy Data Augmentation (EDA), IndoBERT, Pseudo-Labelling, CRISP-DM.

Item Type: Thesis (Skripsi (Bachelor))
Additional Information: Pembimbing : Dr. Sastya Hendri Wibowo, S.Kom., M.Kom.
Uncontrolled Keywords: Analisis Sentimen, Program Makan Bergizi Gratis, YouTube, Naive Bayes, TF-IDF, Easy Data Augmentation (EDA), IndoBERT, Pseudo-Labelling, CRISP-DM.
Subjects: Universitas Muhammadiyah Bengkulu > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Divisions: 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Subjek Terkait > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Depositing User: Mrs Hesti Ayu
Date Deposited: 29 Aug 2026 02:55
Last Modified: 29 Aug 2026 02:55
URI: http://repository.umb.ac.id/id/eprint/3579

Actions (login required)

View Item View Item