Widianti, Fibry (2026) PERBANDINGAN METODE NAÏVE BAYES DAN LOGISTIC REGRESSION DALAM ANALISIS SENTIMEN PROGRAM MAKAN BERGIZI GRATIS (MBG) PADA SOSIAL MEDIA X. S1 thesis, Universitas Malikussaleh.

	Text COVER.pdf Download (2MB)
	Text ABSTRAK.pdf Download (2MB)
	Text BAB I.pdf Download (2MB)
	Text DAFTAR PUSTAKA.pdf Download (2MB)
	Text SKRIPSI_FIBRY WIDIANTI_CETAK FIX.pdf Restricted to Registered users only Download (2MB)

Abstract

ABSTRAK Program Makan Bergizi Gratis (MBG) memicu beragam opini publik di media sosial X, sehingga diperlukan analisis sentimen untuk memetakan respons masyarakat. Penelitian ini membandingkan kinerja algoritma Naïve Bayes dan Logistic Regression dalam mengklasifikasikan sentimen ke dalam kategori positif, negatif, dan netral. Data penelitian yang digunakan berupa 1.500 tweet berbahasa Indonesia yang dikumpulkan melalui teknik scraping menggunakan Tweet harvest. Dataset tersebut kemudian dibagi menjadi dua bagian, yaitu 1.050 data untuk proses pelatihan dan 450 data untuk pengujian model. Alur penelitian ini dimulai dengan pre-processing text yang meliputi case folding, cleansing, tokenizing, stopword removal, dan stemming. Selanjutnya, dilakukan pembobotan kata menggunakan ekstraksi fitur TF-IDF sebelum masuk ke tahap klasifikasi. Evaluasi performa model diukur menggunakan confusion matrix dengan parameter akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Logistic Regression mampu menghasilkan performa yang lebih unggul dibandingkan dengan Naïve Bayes. Logistic Regression meraih tingkat akurasi sebesar 76.22%, sedangkan Naïve Bayes hanya mencapai 71.56%. Berdasarkan hasil evaluasi tersebut, dapat disimpulkan bahwa algoritma Logistic Regression memiliki efektivitas dan keandalan yang lebih baik dalam melakukan analisis sentimen terkait program MBG pada platform media sosial X. Kata Kunci: Makan Bergizi Gratis (MBG), Analisis Sentimen, Logistic Regression, Naïve Bayes

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Fibry Widianti
Date Deposited:	03 Sep 2026 04:04
Last Modified:	03 Sep 2026 04:04
URI:	https://rama.unimal.ac.id/id/eprint/22219

Actions (login required)

View Item