Analisis Sentimen Komentar YouTube Terhadap Program Makan Bergizi Gratis (MBG) Menggunakan Long Short-Term Memory (LSTM)
DOI:
https://doi.org/10.70404/ketik.v3i03.627Keywords:
Analisis Sentimen, Komentar YouTube, Long Short-Term Memory, Program Makan Bergizi Gratis, Bi-LSTMAbstract
Program Makan Bergizi Gratis (MBG) merupakan inisiatif pemerintah Indonesia di bawah Presiden Prabowo Subianto untuk mengurangi stunting dan malnutrisi pada anak sekolah, balita, ibu hamil, dan ibu menyusui dalam rangka mewujudkan Indonesia Emas 2045. Penelitian ini menganalisis sentimen publik terhadap Program MBG berdasarkan 4.983 komentar YouTube yang berasal dari video yang membahas kualitas makanan menggunakan model Long Short-Term Memory (LSTM). Data diproses melalui tahapan web scraping menggunakan YouTube Comment Downloader, praproses teks yang meliputi tokenisasi, stemming Sastrawi, dan stopword removal, serta pelabelan sentimen otomatis berbasis TextBlob dengan kata kunci spesifik MBG. Model Bi-LSTM dilatih menggunakan skema pembagian data 80:20. Hasil evaluasi menunjukkan bahwa sentimen publik didominasi oleh sentimen positif dan netral, yang mengindikasikan adanya dukungan masyarakat terhadap Program MBG. Meskipun demikian, masih ditemukan sentimen negatif dalam jumlah terbatas yang mencerminkan kritik terhadap aspek pelaksanaan program. Penelitian ini merekomendasikan penguatan pengendalian mutu pangan guna meningkatkan efektivitas pelaksanaan Program MBG.
Downloads
References
M. Iqbal, M. Fitri, L. Sibuea, and I. R. Harahap, “SENTIMENT ANALYSIS OF PUBLIC COMMENTS ON THE FREE NUTRITIOUS MEAL PROGRAM USING A RULE-BASED APPROACH,” 2025. [Online]. Available: http://jurnal.goretanpena.com/index.php/JSSR
U. N. Jakarta, B. Anderson, M. Irzal, and A. Hendarno, “J-KOMA Journal of Computer Science and Applications Sentiment Analysis of Indonesia’s Free School Lunch Policy Using LSTM and Word2Vec on YouTube Comments”, doi: 10.21009/j.
I. Rahmawati and N. Aini, “Analisis Sentimen Komentar YouTube pada Program Clash of Champions Ruangguru Menggunakan Deep Learning Berbasis LSTM,” Intellect : Indonesian Journal of Learning and Technological Innovation, vol. 4, no. 1, pp. 96–106, Jun. 2025, doi: 10.57255/intellect.v4i1.1376.
A. Sentimen Komentar Youtube Terhadap Ceramah, S. Ade Putra, and W. Gata, “Analisis Sentimen Komentar Youtube Terhadap Ceramah Ning Umi Laila Sindir Rhoma Irama Menggunakan Algoritma LSTM”.
J. L. Rizky and W. Gata, “Analisis Sentimen Media Sosial Youtube Kereta Cepat (Whoosh) Menggunakan Algoritma Bidirectional-LSTM”.
A. Hendrawan and E. I. Sela, “Analisis Sentimen Komentar Youtube Tentang Resesi Global 2023 Menggunakan LSTM,” Jurnal Indonesia : Manajemen Informatika dan Komunikasi, vol. 5, no. 1, pp. 587–593, Jan. 2024, doi: 10.35870/jimik.v5i1.526.
L. Septiana, V. Yasin, and A. Z. Sianipar, “Analyzing public sentiment on youtube comments regarding the free lunch policy using the Support Vector Machine (SVM) algorithm,” vol. 14, no. 1, pp. 129–138, 2025, [Online]. Available: www.ejournal.isha.or.id/index.php/Mandiri
B. Wicaksono and V. R. S. Nastiti, “Analisis Sentimen dalam Opini Publik di Chanel Youtube Indonesia Lawyers Club Tentang Isu Populer dengan Menggunakan Metode LSTM dan Bi-LSTM,” Jurnal Algoritma, vol. 21, no. 2, pp. 241–251, Dec. 2024, doi: 10.33364/algoritma/v.21-2.1696.
Stacyana Jesika, Suci Ramadhani, and Yohanna Permata Putri, “Implementasi Model Machine Learning dalam Mengklasifikasi Kualitas Air,” Jurnal Ilmiah Dan Karya Mahasiswa, vol. 1, no. 6, pp. 382–396, Nov. 2023, doi: 10.54066/jikma.v1i6.1162.
EDWIN HARI AGUS PRASTYO, “DETEKSI BERITA HOAX DENGAN PENDEKATAN LEXICON BASED DAN LSTM THESIS Oleh : EDWIN HARI AGUS PRASTYO NIM. 220605220005 PROGRAM STUDI MAGISTER INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM MALANG 2024,” Malang, Nov. 2024.
S. Helmiyah, R. Pramestiawan, P. Studi Pendidikan Informatika, and S. Tinggi Keguruan dan Ilmu Pendidikan Rosalia Lampung, “Analisis Komparatif Algoritma Machine Learning dengan Metrik Akurasi, Presisi, Recall, dan F1-Score pada Dataset Kacang Kering,” vol. 6, no. 3, pp. 152–159, 2025, doi: 10.35960/ikomti.v6i3.2031.
E. Novfuja, L. Efrizoni, E. Ali, and S. Susanti, “Prediksi Dukungan Publik Terhadap Program Makan Bergizi Gratis (MBG) Menggunakan Analisis Sentimen Berbasis Long Short-Term Memory (LSTM),” Jurnal Algoritma, vol. 22, no. 2, Nov. 2025, doi: 10.33364/algoritma/v.22-2.2690.
F. Y. A’la, “Optimasi Klasifikasi Sentimen Ulasan Game Berbahasa Indonesia: IndoBERT dan SMOTE untuk Menangani Ketidakseimbangan Kelas,” Edumatic: Jurnal Pendidikan Informatika, vol. 9, no. 1, pp. 256–265, Apr. 2025, doi: 10.29408/edumatic.v9i1.29666.
Downloads
Published
How to Cite
License
Copyright (c) 2026 KETIK : Jurnal Informatika
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
