Analisis Sentimen Publik di X Terhadap Rencana Kenaikan PPN 12% Menggunakan Bert

Ferdian Imawan, Diqy Fakhrun Shiddieq, Fikri Fahru Roji

Abstract


Rencana kenaikan tarif Pajak Pertambahan Nilai (PPN) menjadi 12% telah menjadi salah satu isu kebijakan publik yang sedang diperbincangkan di masyarakat. Kebijakan ini memicu beragam tanggapan di media sosial X, yang mencerminkan adanya pro dan kontra terhadap rencana tersebut. Metode yang digunakan dalam penelitian ini adalah pre-trained BERT Classification yang digunakan untuk melakukan analisis sentimen, klasifikasi topik, serta memberikan akurasi tinggi. Tujuan penelitian ini untuk melalukan analisis sentimen dan memahami respon publik terhadap rencana kenaikan PPN 12%. Hasil analisis menunjukkan bahwa dominasi sentimen negatif sebesar 48,58%, yang mencerminkan kekhawatiran masyarakat terhadap potensi dampak kebijakan, diikuti oleh sentimen netral sebesar 42,39%, yang berfokus pada stabilitas ekonomi dan efek kebijakan secara umum. Sementara itu, sentimen positif sebesar 9,03%, merefleksikan optimisme terhadap manfaat kebijakan jangka panjang. Model BERT yang digunakan berhasil mencapai akurasi 83%, dengan nilai precision, recall, dan F1-score rata-rata sebesar 83%, 82%, dan 82%. Selain itu, visualisasi word cloud mendukung hasil analisis dengan menampilkan kata-kata dominan seperti “harga,” “rakyat,” dan “beban” pada sentimen negatif, serta “pajak” dan “daya beli” pada sentimen netral. Penelitian ini berkontribusi dalam menyediakan wawasan berbasis data untuk mendukung pemerintah dalam menyusun kebijakan mitigasi guna meminimalkan dampak negatif kebijakan.


Keywords


Analisis sentimen; kebijakan publik; Pajak Pertambahan Nilai

Full Text:

PDF

References


R. E. Yani, E. Simandalahi, and A. R. Nasution, “Pengaruh PPN (Pajak Pertambahan Nilai) terhadap Pendapatan Nasional,” Eksis J. Ilm. Ekon. dan Bisnis, vol. 15, no. 1, p. 30, 2024, doi: 10.33087/eksis.v15i1.424.

M. Christanti Kwan, B. Sarjono, P. Studi Manajemen Pemasaran, P. Studi Perpajakan, and P. Ubaya, “Dampak Kenaikan Tarif Pajak Pertambahan Nilai Pada Perilaku Konsumen Di Indonesia,” vol. 02, no. 03, pp. 338–348, 2024.

P. A. Cakranegara, W. Kurniadi, F. Sampe, J. Pangemanan, and M. Yusuf, “The impact of goods product pricing strategies on consumer purchasing power: a review of the literature,” J. Ekon., vol. 11, no. 03, p. 2022, 2022, [Online]. Available: http://ejournal.seaninstitute.or.id/index.php/Ekonomi

R. Mustika Sari and Prihartono, “Pengaruh Harga Dan Kualitas Produk Terhadap Keputusan Pembelian (Survey Pelanggan Produk Sprei Rise),” J. Ilm. MEA (Manajemen, Ekon. dan Akuntansi), vol. 5, no. 3, pp. 1171–1184, 2021.

Y. Cahyana, “Analisis Sentiment Pembelajaran Tatap Muka Terbatas (PTMT) Selama Pandemik Covid-19 Menggunakan Algoritma Naïve Bayes,” Petir, vol. 16, no. 2, pp. 200–215, 2023, doi: 10.33322/petir.v16i2.1964.

J. Akuntansi, D. A. N. Keuangan, N. Fauziah, M. Alkautsar, Y. Suryaman, and F. F. Roji, “Pelabelan VADER Dalam Menganalisis Persepsi Masyarakat Terhadap Kenaikan Tarif PPN di Indonesia,” vol. 12, no. 2, pp. 228–238, 2024.

A. C. T. Angel, V. H. Pranatawijaya, and W. Widiatry, “Analisis Sentimen dan Emosi dari Ulasan Google Maps Untuk Layanan Rumah Sakit di Palangka Raya Menggunakan Machine Learning,” KONSTELASI Konvergensi Teknol. dan Sist. Inf., vol. 4, no. 1, pp. 35–49, 2024, doi: 10.24002/konstelasi.v4i1.8924.

M. Faisol and N. Norsain, “Netnografi: Perspektif Netizen Terhadap Kenaikan Tarif PPN 11%,” J. Akad. Akunt., vol. 6, no. 2, pp. 167–182, 2023, doi: 10.22219/jaa.v6i2.24536.

M. F. Hadi and C. Suratnoaji, “Opini Digital Isu Kenaikan PPN 11%,” Da’watuna J. Commun. Islam. Broadcast., vol. 4, no. 2, pp. 415–430, 2023, doi: 10.47467/dawatuna.v4i2.3821.

T. Pemilu, M. Khadapi, and V. M. Pakpahan, “Analisis Sentimen Berbasis Jaringan LSTM dan BERT terhadap Diskusi,” vol. 6, pp. 130–137, 2024.

R. Merdiansah, S. Siska, and A. Ali Ridha, “Analisis Sentimen Pengguna X Indonesia Terkait Kendaraan Listrik Menggunakan IndoBERT,” J. Ilmu Komput. dan Sist. Inf., vol. 7, no. 1, pp. 221–228, 2024, doi: 10.55338/jikomsi.v7i1.2895.

E. Septiana and C. Caroline, “Optimalisasi Evaluasi Pelaksanaan Pelatihan Melalui Analisis Sentimen Otomatis Dengan Model Text Classification,” pp. 141–154, 2024.

S. Rahayu, N. S. Harahap, and S. Agustian, “Application of Langchain Technology to the Fiqh Question Answering System of Four Madhhab Penerapan Teknologi LangChain pada Question Answering System Fikih Empat Madzhab,” vol. 4, no. July, pp. 974–983, 2024.

N. Husin, “Komparasi Algoritma Random Forest, Naïve Bayes, dan Bert Untuk Multi-Class Classification Pada Artikel Cable News Network (CNN),” J. Esensi Infokom J. Esensi Sist. Inf. dan Sist. Komput., vol. 7, no. 1, pp. 75–84, 2023, doi: 10.55886/infokom.v7i1.608.

F. A. Artanto, “Analisis Sentimen Opini Publik terhadap Fenomena Bunuh Diri Mahasiswa di Twitter Menggunakan Algoritma Naive Bayes,” J. Sains Teknol. dan Sist. Inf., vol. 4, no. 1, pp. 70–77, 2024, doi: 10.54259/satesi.v4i1.2908.

N. F. Fattah, “Penerapan Data Mining Untuk Klasifikasi Kualitas Air Dengan Algoritma Support Vector Machine Pada Dinas Lingkungan Hidup Dan Pertanahan Provinsi Sumsel,” PROSISKO J. Pengemb. Ris. dan Obs. Sist. Komput., vol. 11, no. 2, pp. 145–158, 2024, doi: 10.30656/prosisko.v11i2.8285.

M. Roberta, “Prediksi Sentimen Pada Teks Media Sosial Corporate University,” pp. 302–316.

E. D. Ratnasari, D. A. Rudira, and A. Surya Buana, “Klasifikasi Penyakit Daun Sawi Hijau Dengan Metode Cnn,” Pros. Semin. Nas. Teknol. Dan Sains, vol. 3, pp. 338–393, 2024.

S. S. Utomo, T. A. Cahyanto, and B. H. Prakoso, “Penggunaan Algoritma Random Over Sampling Untuk Mengatasi Masalah Imbalance Data Pada Klasifikasi Gizi Balita,” pp. 1–9, 2020.

U. Khairani, V. Mutiawani, and H. Ahmadian, “Pengaruh Tahapan Preprocessing Terhadap Model Indobert Dan Indobertweet Untuk Mendeteksi Emosi Pada Komentar Akun Berita Instagram,” J. Teknol. Inf. dan Ilmu Komput., vol. 11, no. 4, pp. 887–894, 2024, doi: 10.25126/jtiik.1148315.

J. Devlin, M. W. Chang, K. Lee, and K. Toutanova, “BERT: Pre-training of deep bidirectional transformers for language understanding,” NAACL HLT 2019 - 2019 Conf. North Am. Chapter Assoc. Comput. Linguist. Hum. Lang. Technol. - Proc. Conf., vol. 1, no. Mlm, pp. 4171–4186, 2019.

R. Mas, R. W. Panca, K. Atmaja1, and W. Yustanti2, “Analisis Sentimen Customer Review Aplikasi Ruang Guru dengan Metode BERT (Bidirectional Encoder Representations from Transformers),” Jeisbi, vol. 02, no. 03, p. 2021, 2021.

A. S. Yazid and E. Winarko, “Fine-Tuning BERT untuk Menangani Ambiguitas Pada POS Tagging Bahasa Indonesia,” J. Linguist. Komputasional, vol. 6, no. 2, pp. 57–64, 2023, doi: 10.26418/jlk.v6i2.148.

J. Lee and K. Han, “Multimodal Interactions Using Pretrained Unimodal Models for SIMMC 2.0,” 2021, [Online]. Available: http://arxiv.org/abs/2112.05328

R. Yunanto, E. P. Wibowo, and R. Rianto, “a Bert Model To Detect Provocative Hoax,” J. Eng. Sci. Technol., vol. 18, no. 5, pp. 2281–2297, 2023.

M. Haris, A. Suharso, E. H. Nurkifli, P. S. Informatika, U. S. Karawang, and T. Timur, “Analisis Sentimen Pada Game E-football Di Google Play Store Menggunakan Algoritma Indobert,” vol. 8, no. 6, pp. 12108–12121, 2024.




DOI: https://doi.org/10.24114/cess.v10i1.66455

Article Metrics

Abstract view : 67 times
PDF - 24 times

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

CESS (Journal of Computer Engineering, System and Science)

Creative Commons License
CESS (Journal of Computer Engineering, System and Science) is licensed under a Creative Commons Attribution 4.0 International License

slot gacor slot