VOKASI NEWS – Pemerintah Indonesia meluncurkan Program Makan Bergizi Gratis (MBG) sebagai bagian dari visi misi Bersama Indonesia Maju Menuju Indonesia Emas 2045. Program ini diusung Prabowo Subianto-Gibran Rakabuming. Program ini dirancang untuk menjawab temuan bahwa sekitar 25% anak Indonesia tidak sarapan secara rutin. Kondisi ini tentunya berdampak pada kesehatan fisik, konsentrasi, dan kemampuan belajar anak di sekolah (Karomah dkk., 2024). Sasaran utama program ini mencakup 16,1 juta siswa di 514 kabupaten/kota, dengan penyediaan makanan bernutrisi senilai Rp10.000 per porsi (DPR RI, 2025).
Kebijakan ini mendapat sorotan luas di ruang publik, khususnya media sosial X (Twitter). Untuk memahami respon masyarakat, dilakukan analisis sentimen terhadap percakapan warganet sepanjang 1 November 2024 hingga 31 Mei 2025. Pengumpulan data dilakukan menggunakan kata kunci seperti “Makan Bergizi Gratis” dan “Makan Siang Gratis” yang berkaitan langsung dengan program MBG. Langkah awal yang krusial adalah memastikan data dalam kondisi bersih sebelum diolah.
Pra-Pemrosesan Data untuk Analisis Sentimen
Data mentah yang terkumpul dari Twitter melalui scraping kemudian melewati tahapan pra-pemrosesan teks. Proses ini meliputi case folding untuk menyamakan bentuk huruf, tokenisasi untuk memecah teks menjadi kata-kata, penghapusan tanda baca, pembersihan mention dan hashtag, penghilangan angka, serta normalisasi untuk menyeragamkan kata sesuai bentuk bakunya.
Pembersihan data ini berperan penting dalam meningkatkan kualitas input model. Tanpa proses ini, model dapat menghasilkan klasifikasi yang keliru akibat gangguan seperti kata tidak baku, singkatan tidak umum, atau simbol tertentu. Dengan data yang bersih, analisis sentimen dapat dilakukan secara lebih akurat dan konsisten, meminimalkan bias yang mungkin muncul akibat kebisingan data (noise).
BACA JUGA: [Proses Pembuatan Peranti Ortodonti Lepasan Hawley Retainer Dengan Busur Modifikasi]
IndoBERT: Teknologi Pemrosesan Bahasa Indonesia
Model IndoBERT dipilih sebagai inti analisis sentimen karena kemampuannya memahami bahasa Indonesia secara kontekstual. Berbeda dengan metode konvensional yang mengandalkan pencocokan kata, model berbasis arsitektur transformer ini mempelajari hubungan antar kata dalam kalimat sehingga mampu menangkap makna lebih dalam. IndoBERT juga unggul dalam memproses volume data yang besar, memungkinkan analisis ribuan opini dalam waktu singkat.
Proses pelatihan model dilakukan menggunakan dataset yang telah diberi label sentimen positif, negatif, atau netral. Pelabelan awal memanfaatkan Lexicon Inset, lalu divalidasi oleh pakar bahasa untuk menjamin kualitas data latih. Selanjutnya, dilakukan penyetelan hyperparameter melalui metode grid search untuk mencari kombinasi parameter terbaik. Hasil evaluasi menunjukkan akurasi model mencapai 96%, angka yang tergolong tinggi dalam konteks analisis teks bahasa Indonesia.
Implementasi MBG dalam Aplikasi Berbasis Web
Untuk memudahkan penggunaan, sistem klasifikasi sentimen ini diintegrasikan ke dalam aplikasi berbasis web. Framework Flask digunakan sebagai backend untuk mengelola proses analisis, sedangkan Bootstrap dimanfaatkan pada frontend untuk menciptakan tampilan antarmuka yang responsif dan ramah pengguna.
Pengguna dapat mengunggah teks atau file yang berisi opini publik untuk dianalisis. Hasil klasifikasi disajikan dalam bentuk tabel dan grafik interaktif yang menunjukkan proporsi sentimen positif, negatif, dan netral. Visualisasi ini membantu pengguna memahami tren opini publik secara cepat tanpa memerlukan keahlian teknis mendalam.
Dampak dan Potensi Pengembangan
Analisis sentimen berbasis IndoBERT terhadap percakapan mengenai MBG menunjukkan mayoritas opini publik cenderung positif. Hal ini mengindikasikan adanya dukungan signifikan terhadap program yang dinilai mampu memberikan manfaat langsung bagi kesehatan dan pendidikan anak. Meski demikian, analisis juga menemukan adanya opini negatif yang mengkritisi aspek pelaksanaan, seperti kualitas menu, distribusi makanan, dan potensi penyalahgunaan anggaran.
Temuan ini dapat menjadi masukan penting bagi pemangku kebijakan untuk melakukan evaluasi dan perbaikan program. Dengan memanfaatkan sistem analisis berbasis web yang cepat dan akurat, evaluasi kebijakan dapat dilakukan secara berkelanjutan. Selain itu, metode ini berpotensi diterapkan pada program pemerintah lainnya untuk mengukur tingkat penerimaan publik dan merespons aspirasi masyarakat secara tepat waktu.
***
Penulis : Berlian Qulintyana
Editor: Oky Sapto Mugi Saputro
