Program penanganan stunting di Indonesia bertujuan untuk menurunkan angka stunting menjadi 14% pada tahun 2024. Meskipun berbagai intervensi telah diterapkan, efektivitasnya masih diragukan. Penelitian ini menganalisis persepsi publik terhadap program tersebut melalui analisis sentimen dan jaringan sosial di Media Sosial X. Analisis sentimen dilakukan dengan menggunakan VADER dan BERT untuk mengklasifikasikan opini publik, serta membandingkan tiga model machine learning: Gradient Boosted Decision Trees (GBDT), Support Vector Classifier (SVC), dan Extreme Gradient Boosting (XGBoost) berdasarkan metrik akurasi, presisi, recall, dan skor F1. Sementara itu, analisis jaringan sosial diterapkan untuk memetakan aktor kunci dan pola interaksi menggunakan metrik centrality. Hasil penelitian menunjukkan bahwa sentimen publik terhadap program stunting dominan bersifat netral, dengan sentimen negatif dan positif mengikuti di belakangnya. Model BERT lebih sensitif dalam menangkap nuansa opini publik dibandingkan dengan VADER. Evaluasi model machine learning mengindikasikan bahwa pelabelan sentimen dengan VADER memberikan performa terbaik dalam akurasi, presisi, recall, dan F1-score. Model GBDT dengan VADER mencatatkan akurasi tertinggi (95,59%) dan F1-score terbaik (0,85024). Analisis jaringan sosial mengungkapkan bahwa akun dengan pengikut besar, seperti PT Bukit Asam Tbk (@BukitAsamPTBA) dan akun bot seperti Tanyarlfes (@tanyarlfes), memiliki peran penting dalam menyebarkan informasi, namun akun pribadi seperti Akang Acep Nu Kasep (@san_ozil) juga berpengaruh signifikan dalam membentuk opini publik.