Analisis Sentimen Masyarakat Media Sosial Twitter Terhadap Program Makan Bergizi Gratis Menggunakan Indobert dan Distilbert

Abstrak

Perkembangan media sosial seperti Twitter memungkinkan masyarakat mengemukakan opini terhadap kebijakan pemerintah secara terbuka, termasuk terhadap Program Makan Bergizi Gratis. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap program tersebut menggunakan dua model deep learning, yaitu IndoBERT dan DistilBERT. Data dikumpulkan melalui crawling terhadap 5.000 tweet berbahasa Indonesia selama periode Oktober 2024 hingga Februari 2025. Setelah dilakukan preprocessing dan pelabelan sentimen ke dalam tiga kategori (positif, netral, negatif), model dilatih menggunakan pendekatan fine-tuning. Hasil evaluasi menunjukkan bahwa model IndoBERT unggul dengan akurasi 81%, precision 0,81, recall 0,81, dan F1-score 0,81. Metrik per kelas tertinggi dicapai pada kelas Positif dengan precision 0,89, recall 0,87, dan F1-score 0,88. Sementara itu, DistilBERT memperoleh akurasi 77%, precision 0,77, recall 0,77, dan F1-score 0,77, dengan performa terbaik juga pada kelas Positif (F1-score 0,84). Meskipun lebih cepat dan ringan, DistilBERT menunjukkan penurunan performa terutama pada kelas Netral. Penelitian ini menyimpulkan bahwa IndoBERT lebih unggul dalam akurasi dan stabilitas performa, sedangkan DistilBERT lebih efisien secara komputasi.