Analisis Sentimen Publik Terhadap Makan Bergizi Gratis Menggunakan Bi-LSTM dan IndoBERT

Almira Putri Wibowo; Dedi Gunawan

doi:10.30865/json.v7i3.9458

Authors

Almira Putri Wibowo Universitas Muhammadiyah Surakarta
Dedi Gunawan

DOI:

https://doi.org/10.30865/json.v7i3.9458

Keywords:

Analisis Sentimen, Makan Bergizi Gratis, Bidirectional LSTM (Bi-LSTM), IndoBERT, Deep Learning, Flask

Abstract

Program Makan Bergizi Gratis (MBG) yang direncanakan pemerintah pada tahun 2024 menjadi perbincangan luas di media sosial, khususnya Twitter dan TikTok, dengan beragam opini yang mencerminkan persepsi publik terhadap implementasinya. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap Program Makan Bergizi Gratis menggunakan pendekatan deep learning. Data dikumpulkan melalui metode crawling dan scraping dari Twitter dan TikTok, menghasilkan 7.341 data setelah proses data cleaning. Pelabelan dilakukan menggunakan dua pendekatan, yaitu pelabelan manual dan pelabelan otomatis berbasis IndoBERTweet. Penelitian ini membandingkan kinerja dua model, yaitu Bidirectional Long Short-Term Memory (Bi-LSTM) dan IndoBERT, dengan variasi learning rate 3e-5 dan 5e-5. Hasil eksperimen menunjukkan bahwa IndoBERT secara konsisten menghasilkan performa yang lebih baik dibandingkan Bi-LSTM pada kedua metode pelabelan. Konfigurasi optimal diperoleh pada pelabelan otomatis dengan learning rate 3e-5 yang mencapai akurasi 82% dan F1-Score 79%. Hasil analisis juga menunjukkan bahwa sentimen publik terhadap Program Makan Bergizi Gratis didominasi oleh sentimen negatif. Selain itu, dikembangkan aplikasi web berbasis Flask untuk prediksi sentimen secara real-time. Penelitian ini diharapkan dapat menjadi acuan dalam pengembangan analisis sentimen bahasa Indonesia yang lebih efektif dan akurat.

References

R. Imeldawati, “Dampak Terjadinya Stunting terhadap Perkembangan Kognitif Anak : Literature Review,” J. Med. Nusant., vol. 3, no. 1, pp. 101–107, 2025, doi: 10.59680/medika.v3i1.1632.

A. Kiftiyah, F. A. Palestina, F. U. Abshar, and K. Rofiah, “Program Makan Bergizi Gratis (MBG) dalam Perspektif Keadilan Sosial dan Dinamika Sosial – Politik,” Pancasila J. Keindonesiaan, vol. 5, no. 1, pp. 101–112, 2025, doi: 10.52738/pjk.v5i1.726.

R. Amelia Br Siregar, A. Ramadhan Manik, A. Syahri, M. Budi Akbar, A. Arnita, and F. Ramadhani, “Penerapan Naïve Bayes Untuk Analisis Sentimen Netizen Terhadap Program Makan Siang Gratis Pada Media Social X,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 4, pp. 5621–5628, 2025, doi: 10.36040/jati.v9i4.13870.

A. Z. Ahmad, E. Asril, M. Sadar, Walhidayat, Syahtriatna, and Y. Turnandes, “Analisis Sentimen Opini Terhadap Vaksin Covid-19 Pada Media Sosial Twitter Menggunakan Naïve Bayes Dan Decision Tree,” Zo. J. Sist. Inf., vol. 5, no. 1, pp. 100–110, 2023, doi: 10.31849/zn.v5i1.5553.

F. Fathoni, A. P. Maretta, A. N. Kusuma, R. M. Sasmita, A. F. Rizkyllah, and A. Ibrahim, “Perbandingan Metode Naïve Bayes Dan K-Nearest Neighbor Terhadap Analisis Sentimen Ulasan Program Makan Siang Gratis Di Indonesia,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 4, pp. 6385–6390, 2025, doi: 10.36040/jati.v9i4.14084.

B. Rahmatullah, S. A. Saputra, P. Budiono, and D. P. Wigandi, “Sentimen Analisis Makan Bergizi Gratis Menggunakan Algoritma Naive Bayes,” J. Inf. Technol., vol. 5, no. 1, 2025, doi: 10.46229/jifotech.v5i1.978.

S. A. S. Mola, S. N. R. Djawa, and A. Y. Mauko, Text Mining: Analisis Sentimen dengan Naïve Bayes. Bandung: Kaizen Media Publishing, 2025. Accessed: Jan. 17, 2026. [Online]. Available: https://books.google.co.id/books?id=qrxNEQAAQBAJ&printsec=frontcover&hl=id&source=gbs_ge_summary_r&cad=0#v=onepage&q&f=false

M. S. Dewi and A. H. Hasugian, “PENERAPAN SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN PADA TANGGAPAN MASYARAKAT DI MEDIA SOSIAL TERHADAP PROGRAM MAKAN SIANG GRATIS,” vol. 10, no. 2, pp. 911–922, 2025, doi: /10.36341/rabit.v10i2.6425.

N. Sakina, F. Wajidi, and M. R. Rasyid, “Evaluasi Algoritma KNN dan Naive Bayes untuk Analisis Sentimen Kebijakan Program Makan Bergizi Gratis,” Jambura J. Informatics, vol. 1, no. 2, pp. 83–97, 2025, doi: 10.37905/jji.v1i2.34418.

S. Nurmaini, A. Darmawahyuni, A. I. Sapitri, M. N. Rachmatullah, Firdaus, and B. Tutuko, PENGENALAN DEEP LEARNING DAN IMPLEMENTASINYA. Palembang: UPT Penerbit dan Percetakan Universitas Sriwijaya, 2021.

A. Saputra, R. C. Sigitta Hariyono, and N. M. Saraswati, “Analisis Sentimen Pengguna Aplikasi MyPertamina Menggunakan Algoritma Bidirectional Long Short Term Memory,” J. Eksplora Inform., vol. 13, no. 2, pp. 156–163, 2024, doi: 10.30864/eksplora.v13i2.973.

M. R. Manoppo, I. C. Kolang, D. N. Fiat, R. Michelly, and C. Mawara, “Analisis Sentimen Publik Di Media Sosial Terhadap Kenaikan Ppn 12 % Di Indonesia Menggunakan Indobert Analysis of Public Sentiment on Social Media Towards the 12 % Ppn Increase in Indonesia Using Indobert,” vol. 4, no. 2, pp. 152–163, 2025, doi: 10.69916/jkbti.v4i2.322.

H. Ma’we, A. Y. Husodo, and B. Irmawati, “Performance Comparison of Naive Bayes and Bidirectional Lstm Algorithms in Bsi Mobile Review Sentiment Analysis,” J. Tek. Inform., vol. 6, no. 1, pp. 159–172, 2024, doi: 10.52436/1.jutif.2024.5.6.4178.

N. N. A. Aryanti and O. Suria, “ANALISIS SENTIMEN TERHADAP PEMUTUSAN HUBUNGAN KERJA DI INDONESIA : KOMPARASI INDOBERT DENGAN SVM, RANDOM FOREST, DAN DECISION TREE DENGAN OPTIMASI TF - IDF 1,” Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 10, no. 2, pp. 1158–1176, 2025, doi: 10.36341/rabit.v10i2.6364.

V. Chang, L. Liu, Q. Xu, T. Li, and C. H. Hsu, “An improved model for sentiment analysis on luxury hotel review,” Expert Syst., vol. 40, no. 2, 2023, doi: 10.1111/exsy.12580.

L. Jannah, “Analisis Sentimen Publik Terhadap Kenaikan Pajak Pertambahan Nilai ( PPN ) Sebesar 12 % Menggunakan Naïve Bayes Classifier,” vol. 7, pp. 601–612, 2025, doi: 10.30865/json.v7i2.9151.

M. D. H. Fahri and D. Gunawan, “Analisis Sentimen Pengguna X terhadap Perempuan di Lingkungan Kerja Menggunakan Algoritma Machine Learning,” J. Technol. Informatics, vol. 7, no. 2, pp. 134–146, 2025, doi: 10.37802/joti.v7i2.1087.

R. Hidayat and W. Gata, “Pemanfaatan IndoBERT Untuk Analisis Sentimen Ulasan Aplikasi Depok Single Window,” Inf. Syst. Educ. Prof. J. Inf. Syst., vol. 10, no. 1, p. 13, 2025, doi: 10.51211/isbi.v10i1.3334.

R. R. Suryono, “Sentiment Classification of Indonesian-Language Roblox Reviews Using IndoBERT with SMOTE Optimization,” J. Appl. Informatics Comput., vol. 9, no. 4, pp. 1868–1877, 2025, doi: 10.30871/jaic.v9i4.10155.

H. A. Nabila and E. W. Pamungkas, “PERBANDINGAN ALGORITMA MACHINE LEARNING: SVM, RANDOM FOREST, DAN XGBOOST UNTUK PREDIKSI STROKE 1),” Rabit J. Teknol. Dan Sist. Inf. Univrab, vol. 10, no. 2, pp. 1098–1110, 2025, doi: 10.36341/rabit.v10i2.6444.

D. R. Alfinsyah and B. P. Hartato, “Evaluating the Impact of Random Over Sampling on IndoBERT Performance for Indonesian Sentiment Analysis,” vol. 9, no. 6, pp. 3270–3282, 2025.

X. Liu, Z. Ma, H. Guo, Y. Xu, and Y. Cao, “Short-Term Power Load Forecasting Based on DE-IHHO Optimized BiLSTM,” IEEE Access, vol. 12, pp. 145341–145349, 2024, doi: 10.1109/ACCESS.2024.3437247.

U. B. Mahadevaswamy and P. Swathi, “Sentiment Analysis using Bidirectional LSTM Network,” Procedia Comput. Sci., vol. 218, pp. 45–56, 2022, doi: 10.1016/j.procs.2022.12.400.

G. A. Pradnyana, W. Anggraeni, E. M. Yuniarno, and M. H. Purnomo, “Fine-Tuning IndoBERT Model for Big Five Personality Prediction from Indonesian Social Media,” in 2023 International Seminar on Intelligent Technology and Its Applications (ISITIA), IEEE, 2023, pp. 93–98. doi: 10.1109/ISITIA59021.2023.10221074.

H. Imaduddin, F. Y. A’la, and Y. S. Nugroho, “Sentiment Analysis in Indonesian Healthcare Applications using IndoBERT Approach,” Int. J. Adv. Comput. Sci. Appl., vol. 14, no. 8, pp. 113–117, 2023, doi: 10.14569/IJACSA.2023.0140813.

M. I. Abidin and E. W. Pamungkas, “Analisis Sentimen Terhadap Timnas Indonesia Di Piala Asia 2023 Dengan Model Transformer Berbahasa Indonesia,” Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 10, no. 2, pp. 482–496, 2025, doi: 10.36341/rabit.v10i2.6142.