PERFORMA LOGISTIC REGRESSION DALAM ANALISIS SENTIMEN KOMENTAR TIKTOK PADA PROGRAM MAKAN BERGIZI GRATIS (MBG)

Analisis sentimen komentar media sosial menjadi salah satu pendekatan untuk memahami respons publik terhadap kebijakan pemerintah. Program Makan Bergizi Gratis (MBG) sebagai kebijakan nasional menimbulkan beragam opini masyarakat yang terekam dalam komentar pada platform TikTok. Penelitian ini bertujuan untuk mengevaluasi performa algoritma Logistic Regression dalam mengklasifikasikan sentimen komentar pengguna TikTok terhadap Program Makan Bergizi Gratis (MBG). Data penelitian diperoleh melalui teknik web scraping menggunakan platform Apify pada bulan November 2025 dan menghasilkan 5.196 komentar mentah. Data kemudian melalui tahapan prapemrosesan teks, pelabelan sentimen ke dalam tiga kelas (positif, negatif, dan netral), pembobotan fitur menggunakan TF-IDF, serta pembagian data latih dan data uji. Evaluasi model dilakukan menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score, serta validasi menggunakan Stratified K-Fold Cross Validation (k=5). Hasil penelitian menunjukkan bahwa rata-rata accuracy validasi sebesar 0,6530 dengan standar deviasi 0,0221 yang mengindikasikan performa model cukup stabil. Pada data uji, model memperoleh accuracy sebesar 0,70. Performa terbaik ditunjukkan pada kelas negatif dengan recall sebesar 0,86 dan pada kelas positif dengan F1-score sebesar 0,73. Sebaliknya, kelas netral memiliki recall terendah sebesar 0,25 yang menunjukkan model masih mengalami kesulitan dalam mengenali sentimen netral. Secara keseluruhan, Logistic Regression menunjukkan performa yang cukup baik dalam klasifikasi sentimen komentar TikTok terkait MBG, meskipun masih terdapat keterbatasan dalam membedakan kelas netral