ANALISIS KOMPARATIF ALGORITMA RANDOM FOREST DAN SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI TANGGAPAN PUBLIK TERHADAP PROGRAM MAKAN BERGIZI GRATIS

Christianto, Aditya (2026) ANALISIS KOMPARATIF ALGORITMA RANDOM FOREST DAN SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI TANGGAPAN PUBLIK TERHADAP PROGRAM MAKAN BERGIZI GRATIS. Diploma thesis, Universitas Nasional.

	Text COVER.pdf Download (893kB)
	Text BAB I.pdf Download (267kB)
	Text BAB II.pdf Download (564kB)
	Text BAB III.pdf Download (646kB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (218kB)
	Text LAMPIRAN.pdf Download (1MB)

Abstract

Program Makan Bergizi Gratis merupakan salah satu kebijakan pemerintah yang bertujuan meningkatkan kualitas gizi dan kesejahteraan anak, namun dalam implementasinya menimbulkan beragam tanggapan dari masyarakat, khususnya di media sosial. Perbedaan dukungan dan kritik yang muncul di ruang digital menunjukkan perlunya analisis opini publik secara objektif dan terukur. Penelitian ini bertujuan untuk menganalisis serta membandingkan kinerja algoritma Random Forest dan Support Vector Machine (SVM) dalam mengklasifikasikan sentimen tanggapan publik terhadap Program Makan Bergizi Gratis berdasarkan data komentar TikTok. Metode yang digunakan dalam penelitian ini adalah pendekatan kuantitatif dengan tahapan CRISP-DM, meliputi pengumpulan data melalui web scraping, preprocessing teks, pembobotan TF-IDF, pelabelan sentimen, pemodelan menggunakan algoritma Random Forest dan Support Vector Machine, serta evaluasi model menggunakan confusion matrix dengan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa kedua algoritma memiliki performa yang sangat baik dengan tingkat akurasi di atas 90% pada seluruh skenario pembagian data. Random Forest menunjukkan performa yang lebih stabil pada beberapa skenario, sedangkan Support Vector Machine memperoleh nilai akurasi tertinggi pada skenario tertentu, yaitu sebesar 93,79%. Analisis sentimen yang dihasilkan memperlihatkan bahwa tanggapan publik terhadap Program Makan Bergizi Gratis bersifat beragam, mencerminkan adanya dukungan sekaligus kritik terhadap kebijakan tersebut. Dengan demikian, penelitian ini membuktikan bahwa analisis sentimen berbasis machine learning dapat digunakan sebagai alat evaluasi kebijakan publik berbasis data digital secara
efektif.

Item Type:	Thesis (Diploma)
Subjects:	T Technology > T Technology (General) T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Delvy Aplirizani -
Date Deposited:	02 Jun 2026 07:05
Last Modified:	02 Jun 2026 07:05
URI:	https://repository.unas.ac.id/id/eprint/16339

Actions (login required)

View Item