ANALISIS SENTIMEN MASYARAKAT MENGENAI KEBIJAKAN PEMERINTAH MENAIKKAN PPN 12% PADA MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM)

Abstract

Kebijakan kenaikan Pajak Pertambahan Nilai (PPN) dari 10% menjadi 12% menimbulkan beragam respons masyarakat. Penelitian ini menganalisis sentimen masyarakat pada periode Desember 2024 (±3000 tweet) dan Januari 2025 (±3000 tweet) menggunakan metode Support vector Machine (SVM) dengan pendekatan Term Frequency–Inverse Document Frequency (TF-IDF). Tahapan penelitian mengacu pada Knowledge Discovery in Databases (KDD) yang mencakup pengumpulan data, preprocessing, transformasi, data mining, dan evaluasi hasil, dengan implementasi menggunakan Python di Google Colab. Hasil analisis menunjukkan bahwa pada Desember sentimen didominasi negatif (46,9%), sedangkan pada Januari sentimen netral lebih dominan (42,6%) dengan sedikit peningkatan positif (16,7%). Evaluasi model menghasilkan akurasi 84,87% pada Desember dan 79,33% pada Januari, sehingga SVM terbukti cukup efektif dalam klasifikasi sentimen isu kebijakan publik.