ANALISIS SENTIMEN OPINI MASYARAKAT TENTANG KENAIKAN PPN 12% PADA SOSIAL MEDIA X DENGAN METODE SUPPORT VECTOR MACHINE (SVM)

Yuha Pranata, Andika (2025) ANALISIS SENTIMEN OPINI MASYARAKAT TENTANG KENAIKAN PPN 12% PADA SOSIAL MEDIA X DENGAN METODE SUPPORT VECTOR MACHINE (SVM). Skripsi thesis, UNIVERSITAS SANGGA BUANA YPKP.

	Text COVER.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (195kB)
	Text Lembar Pernyataan Keaslian Skripsi.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (169kB)
	Text Lembar Persetujuan Dan Pengesahan Skripsi.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (230kB)
	Text ABSTRAK.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (206kB)
	Text SKRIPSI FULL.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (4MB) | Request a copy
	Text BAB 1.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (255kB)
	Text DAFTAR PUSTAKA.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (231kB)
	Text SURAT KETERANGAN HASIL CHECK PLAGIARISME.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (151kB)

Abstract

Tujuan Penelitian ini adalah untuk menganalisis sikap masyarakat terhadap usulan kenaikan Pajak Pertambahan Nilai (PPN) menjadi 12%, yang akan berlaku efektif pada Januari 2025. Twitter, yang kini dikenal sebagai platform media sosial X, menjadi alat utama pengumpulan data karena memungkinkan pengguna untuk bebas mengemukakan pendapat mereka. Dalam penelitian ini, pendekatan Support Vector Machine (SVM) digunakan untuk membagi sentimen menjadi kategori positif dan negatif. Prosedur analisis meliputi pengumpulan data (crawling), prapemrosesan data (pembersihan, case folding, normalisasi, tokenisasi, penghapusan kata stop, dan stemming), penandaan berbasis leksikon, serta pelatihan dan pengujian model SVM. Dataset yang terdiri dari 4.969 tweet dibagi menjadi data pelatihan (70%) dan data uji (30%). Hasil evaluasi model menunjukkan tingkat akurasi 83,23%, tingkat presisi 83,82%, tingkat recall 95,17%, dan skor F1 sebesar 89,1%. Hasil ini menunjukkan bahwa pendekatan Support Vector Machine (SVM) sangat efektif dalam mengklasifikasikan opini publik terkait kebijakan fiskal. Penelitian ini diharapkan dapat berkontribusi pada upaya pemerintah dalam mengembangkan rencana komunikasi publik dan mengidentifikasi kemungkinan penyebaran informasi palsu di media sosial.

Actions (login required)

View Item