Evaluasi Opini Publik di Media Sosial X terhadap Kebijakan Pajak Pertambahan Nilai 12% di Indonesia Menggunakan Naive Bayes dan Decision Tree
DOI:
https://doi.org/10.52436/1.jpti.710Kata Kunci:
Analisis Sentimen, Decision Tree, Media Sosial X, Naive Bayes Pajak Pertambahan NilaiAbstrak
Penerapan kebijakan Pajak Pertambahan Nilai (PPN) 12% di Indonesia telah memicu beragam tanggapan dari masyarakat, khususnya di media sosial. Penelitian ini bertujuan untuk mengevaluasi pandangan publik terhadap kebijakan tersebut dengan memanfaatkan data dari media sosial X. Data dikumpulkan melalui teknik crawling, menghasilkan 1.815 tweet yang relevan dengan diskusi mengenai PPN 12%. Tahapan analisis meliputi preprocessing data serta pembobotan kata menggunakan Term Frequency-Inverse Document Frequency (TF-IDF), diikuti dengan klasifikasi sentimen menggunakan algoritma Naive Bayes dan Decision Tree. Hasil penelitian menunjukkan bahwa meskipun algoritma Decision Tree memiliki akurasi yang lebih tinggi (93,44%) dibandingkan Naive Bayes (92,68%), namun Naive Bayes lebih efisien dalam menangani dataset yang lebih besar. Dari seluruh tweet yang dianalisis, 94,54% mengandung sentimen negatif terkait kekhawatiran tentang dampak ekonomi dan peningkatan beban pajak, sementara 5,46% mengandung sentimen positif yang umumnya menyoroti potensi peningkatan penerimaan negara dan pembangunan. Penelitian ini menyediakan wawasan bagi pemerintah dalam memahami persepsi publik serta merancang strategi komunikasi yang lebih efektif terkait kebijakan perpajakan.
Unduhan
Referensi
S. F. Zis, N. Effendi, and E. R. Roem, “Perubahan Perilaku Komunikasi Generasi Milenial dan Generasi Z di Era Digital,” Satwika Kaji. Ilmu Budaya dan Perubahan Sos., vol. 5, no. 1, pp. 69–87, 2021, doi: 10.22219/satwika.v5i1.15550.
A. Islamiati and N. Amalia, “Pengaruh Media Sosial X dalam Cerita Alternate Universe pada Minat Baca Generasi Z,” Edukatif J. Ilmu Pendidik., vol. 6, no. 4, pp. 3926–3934, 2024, doi: 10.31004/edukatif.v6i4.7423.
R. N. Muhammad, L. W. S, and B. Tanggahma, “Pengaruh Media Sosial Pada Persepsi Publik Terhadap Sistem Peradilan?: Analisis Sentimen di Twitter,” vol. 7, no. 1, pp. 507–516, 2024, doi: https://doi.org/10.31933/unesrev.v7i1.2327.
V. A. Sulistiani and M. Hamka, “Analisis Sentimen Pengguna Media Sosial Terhadap Identitas Kependudukan Digital Menggunakan Metode Support Vector Machine (SVM),” J. Inf. Syst. …, vol. 9, no. 4, pp. 2185–2195, 2024, doi: http://orcid.org/0000-0002-0984-3608.
F. Syarief, “Pemanfaatan Media Sosial Dalam Proses Pembentukan Opini Publik,” J. Komun., vol. 8, no. 3, pp. 262–266, 2017, doi: https://doi.org/10.31294/jkom.v8i3.3092.
J. Akuntansi, D. A. N. Keuangan, N. Fauziah, M. Alkautsar, Y. Suryaman, and F. F. Roji, “Pelabelan VADER Dalam Menganalisis Persepsi Masyarakat Terhadap Kenaikan Tarif PPN di Indonesia,” vol. 12, no. 2, pp. 228–238, 2024, doi:10.29103/jak.v12i2.16796.
I. D. Hardyatman and F. N. Hasan, “Analisis Sentimen Masyarakat Terhadap Rencana Kenaikan PPN 12 % Di Indonesia Pada Media Sosial X Menggunakan Metode Decision Tree,” vol. 6, no. 2, pp. 1128–1136, 2025, doi: 10.47065/josh.v6i2.6573.
W. A. Anggraeni, F. Fahru Roji, and M. Alkautsar, “Analisis Sentimen Publik terhadap Kebijakan Insentif Perpajakan Dengan Pendekatan VADER (Valence Aware Dictionary And Sentiment Reasoner),” J. Proaksi, vol. 10, no. 4, pp. 465–477, 2023, doi: 10.32534/jpk.v10i4.4732.
A. Aulia, S. Maisaroh, A. F. Ananta, and W. Pangestoeti, “Dampak Kenaikan PPN 12 % terhadap Pendapatan Negara dan Kesejahteraan Masyarakat,” no. 42, 2025, doi: https://doi.org/10.62383/.
I. M. Putri, “Kenaikan Ppn 12% Dan Dampaknya Terhadap Eknomi,” J. Ilm. Manajemen, Ekon. Akunt., vol. 8, no. 2, pp. 934–944, 2024, doi: 10.31955/mea.v8i2.4077.
F. Imawan, D. F. Shiddieq, F. F. Roji, Analisis Sentimen Publik di X Terhadap Rencana Kenaikan PPN 12% Menggunakan Bert Engineering, Journal of Computer Engineering, System and Science, vol. 10, no. 1, pp. 136–148, 2025, doi: 10.24114/cess.v10i1.62392.
T. Ngongo et al., “Kendaraan Bermotor Dengan Metode KNN,” vol. 8, no. 6, pp. 11946–11949, 2024, doi: https://doi.org/10.36040/jati.v8i6.11685.
P. S. Zakaria, R. Julianto, and R. S. Bernada, “Implementasi Naive Bayes Menggunakan Python dalam Klasifikasi Data,” BIIKMA Bul. Ilm. Ilmu Komput. dan Multimed., vol. 1, no. 2, pp. 126–131, 2023.
P. B. N. Setio, D. R. S. Saputro, and Bowo Winarno, “Klasifikasi Dengan Pohon Keputusan Berbasis Algoritme C4.5,” Prism. Pros. Semin. Nas. Mat., vol. 3, pp. 64–71, 2020.
H. C. Husada and A. S. Paramita, “Analisis Sentimen Pada Maskapai Penerbangan di Platform Twitter Menggunakan Algoritma Support Vector Machine (SVM),” Teknika, vol. 10, no. 1, pp. 18–26, 2021, doi: 10.34148/teknika.v10i1.311.
A. Kartika Sari, Akhmad Irsyad, Dinda Nur Aini, Islamiyah, and Stephanie Elfriede Ginting, “Analisis Sentimen Twitter Menggunakan Machine Learning untuk Identifikasi Konten Negatif,” Adopsi Teknol. dan Sist. Inf., vol. 3, no. 1, pp. 64–73, 2024, doi: 10.30872/atasi.v3i1.1373.
N. Nurdin, L. Jama, T. Z. Magnus, R. Priskila, and V. H. Pranatawijaya, “Analisis Sentimen Dampak Artificial Intelligence (AI) Untuk Pendidikan Pada X Menggunakan Naïve Bayes,” J. Inform. Upgris, vol. 10, no. 1, pp. 15–19, 2024, doi: 10.26877/jiu.v10i1.18867.
I. Indriati and A. Ridok, “Sentiment Analysis for Review Mobile Applications Using Neighbor Method Weighted K-Nearest Neighbor (Nwknn),” J. Enviromental Eng. Sustain. Technol., vol. 3, no. 1, pp. 23–32, 2016, doi: 10.21776/ub.jeest.2016.003.01.4.
A. Pebdika, R. Herdiana, and D. Solihudin, “Klasifikasi Menggunakan Metode Naive Bayes Untuk Menentukan Calon Penerima Pip,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 452–458, 2023, doi: 10.36040/jati.v7i1.6303.
C. A. Sugianto and F. R. Maulana, “Algoritma Naïve Bayes Untuk Klasifikasi Penerima Bantuan Pangan Non Tunai ( Studi Kasus Kelurahan Utama ),” Techno.Com, vol. 18, no. 4, pp. 321–331, 2019, doi: 10.33633/tc.v18i4.2587.
Mohamad Ripai, Umi Hayati, Wita Widyawati, Heliyanti Susana, and Fathurrohman, “Klasifikasi Surat Pemberitahuan Pajak Daerah Menggunakan Metode Regresi Logistik Biner Untuk Mengetahui Patuh Dan Tidak Patuh Dalam Pembayaran Pajak Daerah,” KOPERTIP J. Ilm. Manaj. Inform. dan Komput., vol. 6, no. 1, pp. 27–33, 2022, doi: 10.32485/kopertip.v6i1.128.
R. Ridwan, E. H. Hermaliani, and M. Ernawati, “Penerapan: Penerapan Metode SMOTE Untuk Mengatasi Imbalanced Data Pada Klasifikasi Ujaran Kebencian,” Comput. Sci., vol. 4, no. 1, pp. 80–88, 2024, doi: 10.33005/scan.v15i1.1850
A. A. Arifiyanti and E. D. Wahyuni, “Smote: Metode Penyeimbang Kelas Pada Klasifikasi Data Mining,” SCAN - J. Teknol. Inf. dan Komun., vol. 15, no. 1, 2020, doi: 10.33005/scan.v15i1.1850.
S. Nor, M. A. Muslim, and M. Aswin, “Pengenalan Pola Dasar Angka berdasarkan Gerakan Tangan menggunakan Machine Learning,” vol. 10, no. 3, pp. 595–608, 2022, doi: https://doi.org/10.26760/elkomika.v10i3.595.
