Analisis Sentimen Opini Publik Terhadap Institusi Pajak Di Indonesia Pada Media Sosial Twitter Menggunakan Metode Naïve Bayes Classifier
Tahun 2024 · Penulis: Vaulina Mega Rahayu
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Analisis Sentimen Opini Publik Terhadap Institusi Pajak Di Indonesia Pada Media Sosial Twitter Menggunakan Metode Naïve Bayes Classifier
Laporan pembayaran pajak terdiri dari 2 laporan, yaitu Laporan Kekayaan Pejabat Negara (LHKPN) yang dapat diketahui umum, dan Return Pajak Tahunan (SPT) yang bersifat rahasia. Fenomena ketidakteraturan dalam pembayaran pajak oleh pejabat negara telah memicu berbagai opini publik di media sosial, terutama Twitter. Beberapa media digital merilis berita tentang masalah institusi pajak, salah satunya adalah Suara.com yang merilis berita bahwa sekitar 13 ribu karyawan di lingkungan pajak, bawahan Sri Mulyani, belum melaporkan aset mereka. Hal ini menimbulkan berbagai tanggapan dari masyarakat di Twitter, yakni pendapat positif, netral, dan negatif. Twitter adalah media sosial yang mudah diakses dan mendapatkan semua informasi dengan cepat. Pendapat ini digunakan untuk menganalisis sentimen publik mengenai lembaga pajak di Indonesia menggunakan metode Klasifikasi Naïve Bayes (NBC). Dataset dalam penelitian ini menggunakan 1250 data tweet yang diberi label dan ditemukan bahwa negatif memiliki dataset dari 784 (62.72%), netral memiliki data seperangkat 172 (13.76%), dan positif memiliki dataset dari 2293 (23.44%). Dapat terlihat bahwa perasaan negatif lebih tinggi daripada dua sentimen lainnya. Setelah melalui pertambangan teks, berat kata, dan tahap pengujian menggunakan metode NBC, model terbaik diproduksi dengan 70% pelatihan data dan 30% tes data dengan tingkat akurasi 61,3%. Respon dari masyarakat yang memberikan pendapat negatif terhadap lembaga pajak masih lebih besar daripada mereka yang mendukung lembaga pajak di Indonesia
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,742
Tahun 2026 · Penulis: Rofii’u Nur Ilham Firdaus
Klasifikasi Emosi Netizen Menggunakan IndoBERT pada Media Sosial X Berbahasa Indonesia
Penelitian ini bertujuan untuk Mengklasifikasikan emosi netizen media sosial X berbahasa Indonesia menggunakan model IndoBERT. Fokus utama penelitian ini adalah melakukan analisis emosi netizen media sosial X dan mendapatkan hasil kinerja model IndoBERT. Studi
- Cosine 0,721
Tahun 2026 · Penulis: Shafa Kamila
Analisis Sentimen Berbasis Aspek terhadap Pilkada Jember 2024 Menggunakan Model IndoBERT dan Algoritma LDA
Dinamika politik yang mengarah ke Eleksi Jember Regional 2024 memicu lonjakan signifikan opini publik di YouTube dan platform TikTok. Bahasa media sosial yang tidak resmi, termasuk bahasa slang, singkatan, dan dialek campuran, menghadirkan tantangan analisis m
- Cosine 0,690
Tahun 2026 · Penulis: Fakhrut Tawwabin
Analisis Sentimen Persepsi Publik pada Bitcoin dan Ethereum dalam Cryptocurrency Terbesaar di Indonesia Menggunakan Recurrent Neuralnetwork (RNN) dengan Long Short Term Memory (SLTM)
Cryptocurrency, khususnya Bitcoin dan Ethereum, merupakan dua aset kripto terbesar yang menarik perhatian masyarakat Indonesia. Seiring meningkatnya popularitas kedua aset tersebut, berbagai opini publik banyak disampaikan melalui media sosial, salah satunya Y