ABSTRAK
NURFAIZAL, 2025. Optimasi Extreme Gradient Boosting Menggunakan Principal Component Analysis (PCA) Untuk Analisis Sentimen Program Makan Bergizi Gratis Di Media Sosial (dibimbing oleh Muhammad Arafah dan Syahril Amin)

Media sosial saat ini menjadi salah satu wadah utama dalam pembentukan opini publik, termasuk terhadap kebijakan pemerintah seperti Program Makan Bergizi Gratis yang diinisiasi oleh Presiden Prabowo Subianto. Banyaknya respons masyarakat di media sosial, khususnya Instagram, menunjukkan bahwa analisis sentimen menjadi penting untuk mengetahui persepsi publik terhadap program tersebut. Penelitian ini bertujuan untuk menganalisis persepsi publik terhadap Program Makan Bergizi Gratis yang diinisiasi Presiden Prabowo Subianto melalui analisis sentimen komentar Instagram. Metode penelitian meliputi pengumpulan 4.000 komentar, pelabelan manual sentimen (positif, negatif, netral), preprocessing text, pembobotan menggunakan TF-IDF, reduksi dimensi dengan Principal Component Analysis (PCA), serta klasifikasi dengan algoritma Extreme Gradient Boosting (XGBoost). Berdasarkan hasil pengujian pada tiga skenario pembagian data (70:30, 80:20, dan 90:10), optimasi XGBoost menggunakan PCA terbukti mampu meningkatkan kinerja klasifikasi serta mempercepat waktu komputasi. Hasil terbaik diperoleh pada skenario 80:20 dengan nilai accuracy sebesar 72%, precision 70%, recall 51%, dan f1-score 52% dengan waktu komputasi 10 menit 28 detik pada random state 77 dan jumlah komponen PCA sebanyak 275. Dengan demikian, kombinasi PCA dan XGBoost dinilai efektif untuk analisis sentimen pada data komentar media sosial.

Kata Kunci: Analisis Sentimen, Media Sosial, XGBoost, PCA, Makan Bergizi Gratis