Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Journal of Emerging Information Systems and Business Intelligence (JEISBI)
Rizqiyah, Anis Maulidatur
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Languange, Linguistic, Communication & Media Library & Information Science

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Sentimen Masyarakat terhadap Kebijakan Iuran Tabungan Perumahan Rakyat (Tapera) pada Platform X Menggunakan Algoritma Naïve Bayes Classifier dan Support Vector Machine Rizqiyah, Anis Maulidatur; Nuryana, I Kadek Dwi
Journal of Emerging Information Systems and Business Intelligence (JEISBI) Vol. 5 No. 3 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jeisbi.v5i3.64074

Abstract

Pemerintah Indonesia menetapkan perubahan terhadap PP Nomor 25 Tahun 2020 tentang Penyelenggaraan Tabungan Perumahan Rakyat (Tapera) melalui PP Nomor 21 Tahun 2024. Dalam perubahan tersebut gaji pekerja Indonesia akan dipotong 3% untuk Tapera. Hal tersebut menimbulkan perdebatan dikalangan masyarakat, terutama pengguna platform X. Pada platform tersebut, masyarakat berbagi opini dan pandangan mereka terhadap kebijakan Tapera. Penelitian ini bertujuan untuk mengklasifikasikan tweet terkait kebijakan Tabungan Perumahan Rakyat (Tapera) menggunakan algoritma Naïve Bayes dan Support Vector Machine (SVM), sehingga didapatkan informasi mengenai sentimen masyarakat terhadap kebijakan tersebut. Data sejumlah 1280 tweet didapatkan dari hasil crawling web X. Data tersebut diproses menggunakan library sklearn dan diberikan label menggunakan InSet Lexicon. Data juga diproses menggunakan SMOTE. Klasifikasi dilakukan dengan membagi data ke dalam rasio 80:20, 70:30 dan 60:40. Hasil klasifikasi menggunakan algoritma Naïve Bayes dan SVM kemudian dievaluasi menggunakan confusion matrix dan k-fold cross validation. Dari hasil klasifikasi didapatkan bahwa sentimen masyarakat cenderung kearah negatif terhadap kebijakan Tapera. Didapatkan juga bahwa algoritma SVM memiliki akurasi yang lebih baik dibandingkan dengan algoritma Naïve Bayes. Sebelum SMOTE, SVM memiliki akurasi 84% pada rasio 80:20 dengan kernel linear dan C=2, sedangkan Naïve Bayes memiliki akurasi 81% pada rasio 80:20 dengan model Complement dan alpha 0.01. Setelah SMOTE, SVM memiliki akurasi 93% pada rasio 80:20 dengan kernel rbf dan C=3, sedangkan Naïve Bayes memiliki akurasi 89% pada rasio 60:40 dengan model Complement dan alpha 0.1.
Co-Authors I Kadek Dwi Nuryana, I Kadek Dwi