Analisis Sentimen Komentar YouTube Terhadap Korporasi MBG: Studi Perbandingan Metode BERT dan Support Vector Machine (SVM)

Abstrak

Program Makan Bergizi Gratis (MBG) merupakan program pemerintah yang memperoleh berbagai tanggapan dari masyarakat melalui media sosial, khususnya YouTube. Komentar yang dihasilkan pengguna dapat dimanfaatkan untuk mengidentifikasi opini publik terhadap implementasi program tersebut. Penelitian ini bertujuan menganalisis sentimen publik terhadap program MBG serta membandingkan performa metode Bidirectional Encoder Representations from Transformers (BERT) dan Support Vector Machine (SVM) dalam klasifikasi sentimen. Data penelitian diperoleh dari komentar YouTube yang berkaitan dengan program MBG dan menghasilkan 4.109 komentar valid setelah melalui tahap preprocessing. Model BERT diimplementasikan menggunakan BERT-Base-Uncased melalui proses fine-tuning, sedangkan SVM menggunakan pembobotan TF-IDF sebagai representasi fitur. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa metode BERT menghasilkan performa klasifikasi yang lebih baik dibandingkan SVM dalam mengidentifikasi sentimen positif, netral, dan negatif. Analisis temporal juga menunjukkan adanya perubahan distribusi sentimen publik sebelum dan sesudah terjadinya insiden yang berkaitan dengan program MBG. Temuan penelitian menunjukkan bahwa model berbasis Transformer lebih efektif dalam memahami konteks bahasa pada data media sosial dibandingkan metode machine learning tradisional.