<![CDATA[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.]]>
Copyrights © 2025
