NURISNURIS

Sains Data Jurnal Studi Matematika dan TeknologiSains Data Jurnal Studi Matematika dan Teknologi

Program Makan Bergizi Gratis (MBG) menimbulkan beragam sentimen positif dan negatif di media sosial yang mencerminkan perbedaan persepsi publik terhadap pelaksanaannya. Penelitian ini bertujuan menganalisis sentimen masyarakat menggunakan metode Adaptive Neuro-Fuzzy Inference System (ANFIS) agar perbedaan sentimen positif dan negatif dapat diidentifikasi secara lebih jelas dan terukur. Data penelitian berupa 3520 tweet hasil crawling dengan beberapa kata kunci. Dataset melalui empat tahap persiapan dan dilakukan pembobotan menggunakan TF-IDF. Penelitian ini menguji kinerja ANFIS menggunakan validasi silang K-Fold dengan variasi learning rate (0.001, 0.01, 0.1, 0.2) dan 4 optimasi yakni sgd, adam, RMSProp, Adagrad. Hasil pengujian menunjukkan model uji terbaik menghasilkan akurasi sebesar 56.55%, sensitivitas 19.73%, presisi 38.06%, dan F1-score 25.98% dengan kombinasi parameter learning rate sebesar 0.01 dan optimizer Adam. Hasil evaluasi menggunakan confussion matrix menunjukkan bahwa sentimen positif terhadap pelaksanaan program MBG masih rendah, sehingga diperlukan evaluasi dan perbaikan pada aspek implementasian program.

Berdasarkan hasil evaluasi metode ANFIS dengan representasi fitur TF-IDF serta variasi learning rate dan optimizer, dapat disimpulkan bahwa model belum menunjukkan kinerja yang optimal dalam mengklasifikasikan sentimen terhadap program Makan Bergizi Gratis (MBG).Rendahnya nilai akurasi, sensitivitas, presisi, dan F1-score mengindikasikan bahwa model belum mampu mengenali sentimen positif secara konsisten.Confussion matrix menunjukkan kesalahan klasifikasi yang didominasi oleh data sentimen positif yang diprediksi sebagai negatif, mencerminkan ketidakseimbangan pola bahasa dan kompleksitas opini publik.Analisis fishbone mengungkapkan bahwa sentimen positif berkaitan dengan manfaat kesehatan, pendidikan, serta sosial ekonomi, sedangkan sentimen negatif dipicu oleh masalah implementasi, distribusi, kualitas, porsi, juga lemahnya manajemen dan pengawasan.

Berdasarkan latar belakang, metode, hasil, keterbatasan, dan saran penelitian lanjutan yang ada, terdapat beberapa arah penelitian yang menarik untuk dikembangkan. Pertama, penelitian selanjutnya dapat mengeksplorasi penggunaan teknik deep learning, seperti recurrent neural networks (RNN) atau transformers, untuk menangkap konteks dan hubungan antar kata dalam tweet dengan lebih baik, sehingga meningkatkan akurasi klasifikasi sentimen. Kedua, perlu dilakukan analisis lebih mendalam terhadap faktor-faktor yang mempengaruhi sentimen negatif terhadap program MBG, misalnya dengan menggunakan metode analisis konten atau analisis framing, untuk mengidentifikasi isu-isu krusial yang perlu ditangani. Ketiga, penelitian dapat difokuskan pada pengembangan model ANFIS yang lebih adaptif dan robust terhadap noise dan variasi bahasa, misalnya dengan menggunakan teknik regularisasi atau ensemble learning, untuk meningkatkan generalisasi model pada data yang belum pernah dilihat.

  1. Implementasi Text Mining untuk Analisis Review pada Aplikasi Crowdfunding LX dan ST Menggunakan Metode... journal.lembagakita.org/ljit/article/view/2245Implementasi Text Mining untuk Analisis Review pada Aplikasi Crowdfunding LX dan ST Menggunakan Metode journal lembagakita ljit article view 2245
  2. Analisis Sentimen Pengguna Aplikasi X Terhadap Pelaksanaan Makan Bergizi Gratis Menggunakan Metode Adaptive... doi.org/10.52620/sainsdata.v4i1.339Analisis Sentimen Pengguna Aplikasi X Terhadap Pelaksanaan Makan Bergizi Gratis Menggunakan Metode Adaptive doi 10 52620 sainsdata v4i1 339
  3. Analisis Sentimen Masyarakat terhadap Layanan BPJS Kesehatan dan Faktor-Faktor Pendukung Opini dengan... doi.org/10.20885/esds.vol1.iss.2.art24Analisis Sentimen Masyarakat terhadap Layanan BPJS Kesehatan dan Faktor Faktor Pendukung Opini dengan doi 10 20885 esds vol1 iss 2 art24
Read online
File size656.64 KB
Pages10
DMCAReport

Related /

ads-block-test