ANALISIS SENTIMEN DAN TOPIC MODELING TERKAIT PROGRAM MAKAN BERGIZI GRATIS (MBG) PADA MEDIA BERITA ONLINE

Abstract

Program Makan Bergizi Gratis (MBG) merupakan kebijakan pemerintah yang bertujuan meningkatkan kesejahteraan masyarakat dari aspek gizi dan kesehatan. Penelitian ini bertujuan untuk mempelajari persepsi publik terhadap program MBG melalui analisis sentimen dan pemodelan topik pada berita-berita online nasional. Data dikumpulkan melalui web crawling dari enam media berita online Indonesia selama periode 7 Januari 2025 hingga 28 Februari 2025. Analisis sentimen dilakukan dengan model IndoRoBERTa, sedangkan identifikasi topik menggunakan metode Latent Dirichlet Allocation (LDA). Hasil klasifikasi sentimen menunjukkan bahwa 44% berita bersentimen negatif, 35% netral, dan hanya 21% yang positif. Model IndoRoBERTa terbaik mencapai nilai balanced accuracy sebesar 87,57% dan F1-score sebesar 87,60% dengan kombinasi hyperparameter terbaik. Sementara itu, LDA menghasilkan sembilan topik utama dalam pemberitaan, di antaranya implementasi program di sekolah, isu anggaran, dukungan pemerintah, serta dampak ekonomi. Temuan ini menunjukkan bahwa opini publik terhadap MBG cenderung kritis, terutama terkait implementasi teknis dan distribusi program. Hasil penelitian ini diharapkan dapat menjadi bahan evaluasi bagi pemerintah dalam menyempurnakan pelaksanaan program serta meningkatkan transparansi dan efektivitasnya ke depan

The Free Nutritious Meal (MBG) program is a government initiative aimed at improving public welfare through better nutrition and health. This study seeks to study public perception of the MBG program by applying sentiment analysis and topic Modeling to national online news articles. Data were collected via web crawling from various media outlets during the period of January 7, 2025 to February 28, 2025. Sentiment classification was performed using the IndoRoBERTa model, while topic identification was carried out using Latent Dirichlet Allocation (LDA). Sentiment analysis revealed that 44% of the news articles were negative, 35% neutral, and only 21% positive. The best-performing IndoRoBERTa model achieved a balanced accuracy of 87.57% and an F1-score of 87.60% using optimized hyperparameters. Meanwhile, the LDA model identified nine key topics in the news coverage, including program implementation in schools, budgetary issues, government support, and economic impact. These findings indicate that publik sentiment toward the MBG program tends to be critical, especially regarding technical execution and distribution challenges. The results can serve as valuable input for policymakers to improve program implementation and enhance transparency and effectiveness in the future.