ANALISIS SENTIMEN PADA APLIKASI X TERHADAP KEBIJAKAN TAPERA MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN DECISION TREE

Abstract

Program Tabungan Perumahan Rakyat (TAPERA) merupakan skema simpanan wajib bagi pekerja dengan penghasilan di atas upah minimum, dengan iuran sebesar 3% dari gaji, sebagaimana diatur dalam Peraturan Pemerintah Nomor 21 Tahun 2024. Kebijakan ini menimbulkan berbagai reaksi dari masyarakat, terutama di media sosial X (sebelumnya Twitter). Sentimen publik yang beragam dapat dimanfaatkan oleh pemerintah untuk membuat keputusan kebijakan. Untuk menganalisis sentimen publik secara otomatis, permasalahan dapat diatasi dengan pendekatan machine learning, dan membandingkan kinerja algoritma klasifikasi untuk mengetahui algoritma terbaik. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap TAPERA dengan menggunakan algoritma Naïve Bayes dan Decision Tree. Data dikumpulkan melalui proses crawling dari media sosial X, kemudian diproses menggunakan teknik Natural Language Processing (NLP) untuk klasifikasi sentimen. Hasil analisis menunjukkan bahwa algoritma Decision Tree memberikan akurasi lebih tinggi (97,55%) dibandingkan Naïve Bayes (92,16%) dalam mengklasifikasikan sentimen positif dan negatif. Keunggulan Decision Tree terletak pada kemampuannya mengenali pola kompleks dalam data teks, sehingga menghasilkan prediksi yang lebih tepat. Temuan ini memberikan wawasan bagi pemerintah untuk lebih memahami opini masyarakat secara objektif terhadap kebijakan TAPERA. Selain itu, metode klasifikasi berbasis Decision Tree dapat dijadikan sebagai alat bantu pemantauan opini publik secara real time, khususnya dalam menanggapi dan mengevaluasi kebijakan strategis serupa di penelitian masa mendatang.