Analisis Sentimen Publik terhadap Program Makan Bergizi Gratis Menggunakan Pendekatan Naïve Bayes dan Deep Learning untuk Mendukung Pengambilan Keputusan Manajerial

Program Makanan Bergizi Gratis (MBG) merupakan inisiatif pemerintah yang bertujuan untuk meningkatkan kualitas gizi siswa; namun, pelaksanaannya telah menimbulkan beragam reaksi di kalangan masyarakat umum. Studi ini bertujuan untuk mengklasifikasikan opini publik mengenai Program MBG dan mengevaluasi kinerja komparatif algoritma Naïve Bayes dan Deep Learning dalam klasifikasi sentimen sebagai dasar pengambilan keputusan manajerial. Sebuah dataset yang terdiri dari 2.800 postingan dari platform klasifikasi sentimen dilakukan dengan menggunakan algoritma Naïve Bayes dan model Long Short-Term Memory (LSTM), dengan validasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Temuan menunjukkan bahwa opini publik sebagian besar dicirikan oleh sentimen netral (46,71%) dan negatif (44,04%). Model LSTM mencapai akurasi 83,04%, melampaui algoritma Naïve Bayes sebesar 77,14%, menunjukkan kemampuan yang lebih besar dalam mengenali pola kontekstual dalam teks media sosial. Hasil ini selanjutnya diperkuat melalui observasi lapangan yang dilakukan di Unit Layanan Pemenuhan Gizi (SPPG), yang mengungkap proses evaluasi berkelanjutan terkait standar operasional, sanitasi dapur, keamanan pangan, dan prosedur administratif. Integrasi klasifikasi sentimen dan observasi lapangan menghasilkan rekomendasi yang lebih komprehensif untuk memperkuat pengambilan keputusan manajerial dalam meningkatkan kualitas implementasi Program Makanan Bergizi Gratis.