Model Machine Learning Untuk Analisis Semtimen Masyarakat Terhadap Kenaikan PPN di Media Sosial X

Studi ini mengkaji reaksi masyarakat terhadap rencana pemerintah menaikkan tarif PPN dari 11% menjadi 12% pada tahun 2025. Kebijakan ini memicu berbagai opini warganet di media sosial X. Data dikumpulkan melalui web crawling dari Oktober hingga Desember 2024, menghasilkan 1.871 data. Setelah praproses teks seperti cleaning, case folding, tokenize, stopword removal, dan stemming, dataset menjadi 1.806 data. Sebanyak 1.000 data dilabeli negatif, netral, dan positif secara manual oleh pakar bahasa untuk memastikan validitas. Sisanya, 806 data tanpa label, digunakan untuk pengujian. Kata-kata dibobot menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Tiga algoritma machine learning dibandingkan: Support Vector Machine (SVM), Random Forest, dan Decision Tree. Hasil menunjukkan SVM mencatat akurasi tertinggi 94%, diikuti Random Forest 93%, dan Decision Tree 91%. Mayoritas sentimen bersifat negatif, menunjukkan ketidakpuasan masyarakat terhadap kebijakan ini. Studi ini membuktikan bahwa machine learning efektif menangkap persepsi publik melalui media sosial dan dapat menjadi masukan bagi pemerintah.

Kata Kunci: PPN 12%, Sentiment Analysis, Machine Learning, Social Media X, SVM, Random Forest, Decision Tree