Analisis Sentimen Publik terhadap Program Makan Bergizi Gratis Menggunakan Pendekatan Naïve Bayes dan Deep Learning untuk Mendukung Pengambilan Keputusan Manajerial
DOI:
https://doi.org/10.38035/jemsi.v7i6.9316Keywords:
Program Makan Bergizi Gratis, Analisis Sentimen, Naïve Bayes, Long Short-Term Memory, Pengambilan Keputusan ManajerialAbstract
Program Makanan Bergizi Gratis (MBG) merupakan inisiatif pemerintah yang bertujuan untuk meningkatkan kualitas gizi siswa; namun, pelaksanaannya telah menimbulkan beragam reaksi di kalangan masyarakat umum. Studi ini bertujuan untuk mengklasifikasikan opini publik mengenai Program MBG dan mengevaluasi kinerja komparatif algoritma Naïve Bayes dan Deep Learning dalam klasifikasi sentimen sebagai dasar pengambilan keputusan manajerial. Sebuah dataset yang terdiri dari 2.800 postingan dari platform klasifikasi sentimen dilakukan dengan menggunakan algoritma Naïve Bayes dan model Long Short-Term Memory (LSTM), dengan validasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Temuan menunjukkan bahwa opini publik sebagian besar dicirikan oleh sentimen netral (46,71%) dan negatif (44,04%). Model LSTM mencapai akurasi 83,04%, melampaui algoritma Naïve Bayes sebesar 77,14%, menunjukkan kemampuan yang lebih besar dalam mengenali pola kontekstual dalam teks media sosial. Hasil ini selanjutnya diperkuat melalui observasi lapangan yang dilakukan di Unit Layanan Pemenuhan Gizi (SPPG), yang mengungkap proses evaluasi berkelanjutan terkait standar operasional, sanitasi dapur, keamanan pangan, dan prosedur administratif. Integrasi klasifikasi sentimen dan observasi lapangan menghasilkan rekomendasi yang lebih komprehensif untuk memperkuat pengambilan keputusan manajerial dalam meningkatkan kualitas implementasi Program Makanan Bergizi Gratis.
References
Agustina, V., & Herliana, A. (2025). Analisis Sentimen Publik atas Kebijakan Efisiensi Anggaran 2025 dengan Text Mining dan Natural Language Processing JURNAL MEDIA INFORMATIKA [ JUMIN ]. 6(3), 2182–2194.
Azril, M., Chrisnawati, G., Informatika, T., Bina, U., & Informatika, S. (2026). Klasifikasi Sentimen Komentar Pengguna Tiktok Mengenai Program Makan Bergizi Gratis ( MBG ) Dengan Support Vector Machine ( SVM ). 5(1), 8859–8866.
Creswell, J. W., & Creswell, J. D. (2018). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (5th ed.).
Dhimas Tribuana, Usman, D. (2025). Penerapan Natural Language Processing Untuk Analisis Sentimen Terhadap Layanan Publik di Media Sosial Twitter. JTBC: Jurnal Teknologi Dan Bisnis Cerdas, 1, 28–37. https://doi.org/10.64476/jtbc.v1i1.3
Fauzan, M., Kaban, R., Rekayasa, J., Lunak, P., & Teknologi, I. (2026). Analisis Sentimen Publik Terhadap RUU KUHAP di Platform X Menggunakan Metode TF-IDF dan Naïve Bayes. 15(1), 189–206.
Gorat, P., Pakpahan, F. S., & Sipayung, S. P. (2026). Analisis Sentimen Opini Warga X terhadap Banjir di Sumatera Menggunakan Naive Bayes Jurusan Teknik Informatika , Universitas Katolik Santo Thomas Medan. 15(1), 17–28.
Liu, B. (2012). Sentiment Analysis and Opinion Mining. May.
Minaee, S. (2020). Deep Learning Based Text Classification: A Comprehensive Review. 1(1), 1–43.
Najib, M. A., & Maunah, B. (2022). Inovasi Pendidikan di Era Digital. In Manajemen Pendidikan Islam (Vol. 10, Issue 1). https://www.google.co.id/books/edition/INOVASI_PENDIDIKAN_SEKOLAH_DASAR_DI_ERA/lrvlEAAAQBAJ?hl=id&gbpv=1&dq=Inovasi+Pendidikan%2BKristiawan,+M&pg=PA171&printsec=frontcover
Organization, W. H. (2020). Archived: WHO Timeline - COVID-19. Wold Health Organization. 11(2020), 89–97. https://www.who.int/news/item/27-04-2020-who-timeline---%0Acovid-19
Prastiawan, K. H., & Yuniarto, D. (2025). Analisis Sentimen Publik terhadap Program Makan Bergizi Gratis dengan Algoritma Naive Bayes. 4(4), 5412–5419.
Sugiyono. (2020). Metodologi Penelitian Kuantitatif, Kualitatif dan R & D.
Triningsih, E., Afdal, M., Permana, I., & Rozanda, N. E. (2025). Analisis Sentimen Terhadap Program Makan Bergizi Gratis Menggunakan Algoritma Machine Learning Pada Sosial Media X. 6(4), 2240–2250. https://doi.org/10.47065/bits.v6i4.6534
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Christina Wulansari, Fianita Malati, Zsa Zsa Izazi

This work is licensed under a Creative Commons Attribution 4.0 International License.
Hak cipta :
Penulis yang mempublikasikan manuskripnya di jurnal ini menyetujui ketentuan berikut:
- Hak cipta pada setiap artikel adalah milik penulis.
- Penulis mengakui bahwa Jurnal Ekonomi Manajemen Sistem Informasi (JEMSI) berhak menjadi yang pertama menerbitkan dengan lisensi Creative Commons Attribution 4.0 International (Attribution 4.0 International CC BY 4.0) .
- Penulis dapat mengirimkan artikel secara terpisah, mengatur distribusi non-eksklusif manuskrip yang telah diterbitkan dalam jurnal ini ke versi lain (misalnya, dikirim ke repositori institusi penulis, publikasi ke dalam buku, dll.), dengan mengakui bahwa manuskrip telah diterbitkan pertama kali di Jurnal Ekonomi Manajemen Sistem Informasi (JEMSI).






































































