Jurnal Algoritma, Logika dan Komputasi

Program Makan Bergizi Gratis (MBG) merupakan salah satu kebijakan pemerintah yang menimbulkan beragam tanggapan publik di media sosial. Penelitian ini bertujuan untuk menganalisis kecenderungan sentimen masyarakat terhadap program MBG serta membandingkan performa model IndoBERT dan BERT Multilingual dalam klasifikasi sentimen. Dataset terdiri dari 3.099 komentar dari TikTok, Instagram, dan X yang diproses melalui tahapan preprocessing, pelabelan sentimen, serta tokenisasi. Evaluasi dilakukan menggunakan metode K-Fold Cross Validation 5-Fold dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa IndoBERT memperoleh performa lebih baik dibandingkan BERT Multilingual dengan accuracy sebesar 0,8209% dan F1-score 0,8207%, sedangkan BERT Multilingual memperoleh accuracy 0,8103% dan F1-score 0,8101%. Hasil klasifikasi sentimen menggunakan model terbaik menunjukkan distribusi sebanyak 867 sentimen negatif, 841 sentimen netral, dan 836 sentimen positif. Selain itu, hasil deteksi bahasa menunjukkan bahwa dataset didominasi oleh bahasa Indonesia sebesar 83,35%. Secara keseluruhan, IndoBERT menunjukkan performa yang lebih optimal dan stabil dalam melakukan analisis sentimen terhadap komentar terkait Program Makan Bergizi Gratis (MBG).

2025 Kiftiyah et al., “PANCASILA : Jurnal Keindonesiaan,” 2025.

N. Azzahra, A. D. Dharmawan, A. F. Mardatilah, and M. I. Habibi, “Pelaksanaan Uji Coba Program Makan Bergizi Gratis di SMP Negeri 4 Tangerang,” vol. 3, no. 4, pp. 5036–5044, 2025.

M. W. Arif, “Analisis Sentimen Kebijakan Makan Bergizi Gratis di Media Sosial Menggunakan Natural Language Processing Berbasis Python TextBlob di Indonesia Teknik Informatika , Universitas Ngudi Waluyo , Indonesia Sentiment Analysis of Free Nutritious Meal Policy on Social Media Using Python TextBlob-Based Natural Language Processing in Indonesia,” vol. 5, no. 9, pp. 2463–2471, 2025.

J. J. Levett, A. Alnasser, L. M. Elkaim, J. Drager, and T. Pauyo, “Negative sentiments toward anterior cruciate ligament injury prevention outweigh positive awareness discussions on social media,” J. ISAKOS, vol. 9, no. 5, p. 100306, 2024, doi: 10.1016/j.jisako.2024.100306.

F. Fatkhurrohman, B. I. Nugroho, and N. Fadillah, “Analisis Sentimen Program Makan Bergizi Gratis Pemerintah RI Melalui Twitter Menggunakan Metode SVM,” vol. 4, no. 3, pp. 3906–3917, 2025.

A. A. Qolbu, N. Fitriyati, and N. Inayah, “Performa Naïve Bayes , SVM , dan IndoBERT pada Analisis Sentimen Twitter IndiHome dengan Strategi Penanganan Data Tidak Seimbang,” vol. 814, no. 1, pp. 29–44, 2025, doi: 10.14421/fourier.2025.141.29-44.

R. Savitri, F. Rizki, and A. Sobri, “Implementation of BERT in Sentiment Analysis of National Digital Samsat ( SIGNAL ) User Reviews Based on Machine Learning,” vol. 17, no. 2, pp. 67–75, 2025.

J. Vincent et al., “ScienceDirect ScienceDirect ScienceDirect Extractive Indonesian News Text Summarization using Extractive Indonesian News MBERT , Text Summarization using and RoBERTa Extractive Indonesian News Text Summarization using and,” Procedia Comput. Sci., vol. 269, pp. 1087–1096, 2025, doi: 10.1016/j.procs.2025.09.050.

P. Sayarizki and H. Nurrahmi, “Implementation of IndoBERT for Sentiment Analysis of Indonesian Presidential Candidates,” vol. 9, no. August, pp. 61–72, 2024, doi: 10.34818/indojc.2024.9.2.934.

J. Xu, X. Liu, Z. Gu, and G. Xiao, “A rapid cross-validation computing for three-way decisions in imbalanced data,” Inf. Sci. (Ny)., vol. 707, no. February, p. 122016, 2025, doi: 10.1016/j.ins.2025.122016.

E. G. Dandamudi et al., “Biosensors and Bioelectronics : X Performance of transformer-convolutional neural network ensemble for melanoma diagnosis on segmented 3D total body photography data : Cross-Validation stratified K-fold,” Biosens. Bioelectron. X, vol. 27, no. November, p. 100714, 2025, doi: 10.1016/j.biosx.2025.100714.

K. Dedes et al., “BERT Sentimen : Fine-Tuning Multibahasa untuk Ulasan Bahasa,” vol. 4, no. 2, pp. 1080–1084, 2025.

2024 Sriyanti et al, “implementasi model bert pada analisis sentimen pengguna twitter terhadap aksi,” vol. 12, no. 3, pp. 2335–2342, 2024.

B. Shivakumar, U. Sandeep, V. Varshini, and P. Kumaran, “ScienceDirect ScienceDirect Multi-Head for Text2Text Text2Text Translation Multi-Head Attention Attention Transformer Transformer for Translation,” Procedia Comput. Sci., vol. 258, pp. 1962–1971, 2025, doi: 10.1016/j.procs.2025.04.447.

W. Christian et al., “Leveraging Leveraging IndoBERT IndoBERT and and DistilBERT DistilBERT for for Indonesian Indonesian emotion emotion Leveraging IndoBERT and DistilBERT for Indonesian classification in reviews classification in e-commerce reviews emotion classification in e-commerce reviews ScienceDirect,” Procedia Comput. Sci., vol. 269, pp. 321–330, 2025, doi: 10.1016/j.procs.2025.08.284.

2023 Nurhidayat & Dewi, “KOMPUTA : Jurnal Ilmiah Komputer dan Informatika KOMPUTA : Jurnal Ilmiah Komputer dan Informatika,” vol. 12, no. 1, pp. 91–100, 2023.