ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP KEBIJAKAN KENAIAKAN PPN 12% MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN NAIVE BAYES

SANDI PRATAMA, . (2025) ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP KEBIJAKAN KENAIAKAN PPN 12% MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN NAIVE BAYES. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text Sandi Pratama 1512618046 - Komprehensif COVER.pdf Download (684kB)
	Text Sandi Pratama 1512618046 - Komprehensif_BAB 1.pdf Download (318kB)
	Text Sandi Pratama 1512618046 - Komprehensif_BAB 2.pdf Restricted to Registered users only Download (580kB) | Request a copy
	Text Sandi Pratama 1512618046 - Komprehensif_BAB 3.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text Sandi Pratama 1512618046 - Komprehensif_BAB 4.pdf Restricted to Registered users only Download (302kB) | Request a copy
	Text Sandi Pratama 1512618046 - Komprehensif_DAFTAR PUSTAKA.pdf Download (273kB)
	Text Sandi Pratama 1512618046 - Komprehensif_LAMPIRAN.pdf Restricted to Registered users only Download (288kB) | Request a copy

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pengguna Twitter terhadap kebijakan kenaikan Pajak Pertambahan Nilai (PPN) sebesar 12% di Indonesia. Data dikumpulkan melalui proses web crawling terhadap tweet berbahasa Indonesia yang relevan dengan topik selama periode November 2024 hingga Januari 2025. Proses analisis dilakukan dengan pendekatan text mining yang meliputi Preprocessing teks, pembobotan menggunakan Term Frequency-Inverse Document Frequency (TF-IDF), dan klasifikasi sentimen menggunakan dua algoritma machine learning yaitu Naïve Bayes dan Support Vector Machine (SVM). Sentimen diklasifikasikan ke dalam tiga kategori: positif, netral, dan negatif. Hasil evaluasi menunjukkan bahwa SVM memiliki performa lebih tinggi dibandingkan Naïve Bayes dengan akurasi sebesar 88,2% dibandingkan 74,6%. Mayoritas tweet yang dianalisis menunjukkan sentimen netral, meskipun terdapat porsi signifikan sentimen negatif yang mencerminkan kekhawatiran masyarakat terhadap kebijakan tersebut. Penelitian ini memberikan kontribusi dalam pemanfaatan analisis media sosial sebagai alat evaluasi respons publik terhadap kebijakan PPN. ***** This study aims to analyze the sentimen of Twitter users regarding the policy of increasing Indonesia’s Value Added Tax (VAT) to 12%. Data were collected through a web crawling process targeting Indonesian-language tweets relevant to the topic, spanning the period from November 2024 to January 2025. The analysis was conducted using a text mining approach, which included text Preprocessing, weighting using Term Frequency-Inverse Document Frequency (TF-IDF), and sentimen classification using two machine learning algorithms: Naïve Bayes and Support Vector Machine (SVM). Sentimens were categorized into three classes: positive, neutral, and negatif. Evaluation results indicated that the SVM algorithm outperformed Naïve Bayes with an accuracy of 88.2% compared to 74.6%. Most of the analyzed tweets expressed a neutral sentimen, although a significant portion showed negatif sentimen, reflecting publik concern over the policy. This study contributes to the utilization of social media analysis as a tool for evaluating publik response to fiscal policy.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Dr. Widodo, S.Kom, M.Kom
Subjects:	Teknologi dan Ilmu Terapan > Teknik Komputer
Divisions:	FT > S1 Pendidikan Teknik Informatika Komputer
Depositing User:	Sandi Pratama .
Date Deposited:	30 Jul 2025 06:55
Last Modified:	30 Jul 2025 06:55
URI:	http://repository.unj.ac.id/id/eprint/56983

Actions (login required)

View Item