Pemanfaatan Machine Learning dalam Menganalisis Sentimen Terhadap Program TAPERA di Platform Digital X: Utilization of Machine Learning in Analyzing Sentiment Towards the TAPERA Program on Digital X Platform

Aziz Musthafa; Triana Harmini; Abid Rafiq; Nurhana Marantika

doi:10.57152/malcom.v5i2.1801

Authors

Aziz Musthafa Universitas Darussalam Gontor
Triana Harmini Universitas Darussalam Gontor
Abid Rafiq Universitas Darussalam Gontor
Nurhana Marantika Universitas Darussalam Gontor

DOI:

https://doi.org/10.57152/malcom.v5i2.1801

Keywords:

Machine Learning, Random Forest, Platform Digital, Support Vector Machine, TAPERA

Abstract

Tabungan Perumahan Rakyat (TAPERA) adalah program pemerintah Indonesia yang bertujuan mengatasi masalah perumahan bagi masyarakat berpenghasilan rendah dan menengah, namun mendapat beragam respons akibat perubahan kebijakan. Tujuan Penelitian ini menganalisis sentimen pengguna media sosial X terhadap kebijakan TAPERA, untuk mengidentifikasi apakah sentimen yang dominan adalah positif, negatif, atau netral. Metode yang dimanfaatkan untuk menganilisis sentimen yaitu Crisp-DM dengan memanfaatkan model Support Vector Machine (SVM) dan Random Forest yang merupakan algoritma dari Machine Learning. Data dikumpulkan dari Platform Digital X dengan total 2.936 komentar, dan proses pelabelannya divalidasi oleh ahli Ilmu Komunikasi guna memastikan akurasi serta menghindari kesalahan. Hasil evaluasi menggunakan confusion matrix dari Model SVM menunjukkan keunggulan dengan akurasi 88%, dibandingkan dengan Random Forest yang memiliki akurasi 86%. Sedangkan hasil klasifikasi model, masyarakat lebih cenderung memberikan respons negatif terhadap perubahan kebijakan program TAPERA yaitu 1.874 komentar (63,9%). Dominasi sentimen negatif ini mencerminkan ketidakpuasan masyarakat terhadap program TAPERA secara umum. Sentimen positif sejumlah 527 komentar (18%), menunjukkan apresiasi terhadap inisiatif pemerintah masih terbatas. Serta Sentimen netral sejumlah 534 komentar (18,1%), menunjukkan kebutuhan informasi untuk meningkatkan pemahaman masyarakat. Penelitian ini diharapkan dapat menjadi pendukung rekomendasi untuk perbaikan pengelolaan TAPERA yang lebih baik, terutama dalam aspek layanan, transparansi, dan komunikasi.

Downloads

Download data is not yet available.

References

Y. M. De, “Analisis Kritis Program TAPERA ‘Tabungan Perumahan Rakyat’ Bagi Kehidupan Umat di Paroki Riam Batang Kalimantan Tengah,” J. Pendidik. Agama dan Teol., vol. 2, no. 3, pp. 57–73, 2024, doi: https://doi.org/10.59581/jpat-widyakarya.v2i3.3354.

T. A. Nasution, “Analisis Yuridis Undang-Undang Tabungan Perumahan Rakyat Ditinjau Dari Perspektif Good Governance,” LEX Renaissan, vol. 6, no. 4, pp. 833–846, 2021, doi: https://doi.org/10.20885/JLR.vol6.iss4.art13.

M. Ihsan, A. Rofiq, and Khusnudin, “Polemik Tabungan Perumahan Rakyat (TAPERA): Sebuah kajian dengan pendekatan interdisipliner,” Gulawentah J. Stud. Sos., vol. 9, no. 1, pp. 72–78, 2024, doi: https://doi.org/10.25273/gulawentah.v9i1.20497.

A. Perdana, A. Hermawan, and D. Avianto, “Analisis Sentimen Terhadap Isu Penundaan Pemilu di Twitter Menggunakan Naive Bayes Classifier,” J. SISFOKOM (Sistem Inf. dan Komputer), vol. 11, no. 2, pp. 195–200, 2022, doi: https://doi.org/10.32736/sisfokom.v11i2.1412.

D. W. Ardras and A. Voutama, “Analisis Sentimen Anti Lgbt Di Indonesia Melalui Media Sosial Twitter,” J. Tek. (Jurnal Fak. Tek. Univ. Islam Lamongan), vol. 15, no. 1, pp. 23–28, 2023, doi: https://doi.org/10.30736/jt.v15i1.926.

R. Gusti Wardhana, G. Wang, and F. Sibuea, “Penerapan Machine Learning Dalam Prediksi Tingkat Kasus Penyakit Di Indonesia,” J. Inf. Syst. Manag., vol. 5, no. 1, pp. 40–45, 2023, doi: https://doi.org/10.24076/joism.2023v5i1.1136.

M. I. Alfandi, P. Adytia, and Wahyuni, “Analisis Sentimen Masyarakat Terhadap TAPERA Pada Media Sosial X Menggunakan Metode K-Nearest Neighbor,” SEBATIK, vol. 28, no. 2, 2024, doi: 10.46984/sebatik.v28i2.0000.

R. Hafil Muhammadi, T. Ginanjar Laksana, and A. Beladinna Arifa, “Combination of Support Vector Machine and LexiconBased Algorithm in Twitter Sentiment Analysis,” KHAZANAH Inform., vol. 8, no. 1, pp. 59–71, 2022, doi: https://doi.org/10.23917/khif.v8i1.15213.

A. Maulidatur Rizqiyah and I. Kadek Dwi Nuryana, “Analisis Sentimen Masyarakat terhadap Kebijakan Iuran Tabungan Perumahan Rakyat (TAPERA) pada Platform X Menggunakan Algoritma Naïve Bayes Classifier dan Support Vector Machine,” J. Emerg. Inf. Syst. Bus. Intell., vol. 5, no. 3, pp. 298–306, 2024, [Online]. Available: https://ejournal.unesa.ac.id/index.php/JEISBI/article/view/64074

A. Ananta Firdaus, A. Id Hadiana, and A. Kania Ningsih, “Klasifikasi Sentimen pada Aplikasi Shopee Menggunakan Fitur Bag of Word dan Algoritma Random Forest,” J. Multidiscip. Res. Dev., vol. 6, no. 5, pp. 1678–1683, 2024, doi: https://doi.org/10.38035/rrj.v6i5.994.

M. utfi Pratama, Y. Vita Via, and E. Prakarsa Mandyartha, “Analisis Performansi Naive Bayes Dan Random Forest Terhadap Sentimen Kenaikan Harga Bbm Di Indonesia,” J. Teknol. Inf. dan Komun., vol. 18, no. 1, pp. 18–24, 2023, doi: https://doi.org/10.33005/scan.v18i1.3837.

M. Iqbal, M. Afdal, and R. Novita, “Implementasi Algoritma Support Vector Machine untuk Analisa Sentimen Data Ulasan Aplikasi Pinjaman Online Di Google Play Store,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 4, pp. 1244–1252, 2024, doi: https://doi.org/10.57152/malcom.v4i4.1435.

F. Adi Artanto, “Implementasi Algoritma Random Forest dan Model Bag of Words Dalam Analisis Sentimen Mengenai E-Materai,” J. Sains Teknol. dan Sist. Inf., vol. 4, no. 2, pp. 139–145, 2024, doi: https://doi.org/10.54259/satesi.v4i2.3240.

N. Cholifah Sastya and I. Nugraha, “Penerapan Metode CRISP-DM dalam Menganalisis Data untuk Menentukan Customer Behavior di MeatSolution,” J. Pendidik. Dan Apl. Ind., vol. 10, no. 2, pp. 103–115, 2023, doi: https://doi.org/10.33592/unistek.v10i2.3079.

M. Rafi Muttaqin, T. Iman Hermanto, and M. Agus Sunandar, “Penerapan K-Means Clustering Dan Cross-Industry Standard Process For Data Mining (Crisp-Dm) Untuk Mengelompokan Penjualan Kue,” KOMPUTASI J. Ilm. Ilmu Komput. dan Mat., vol. 19, no. 1, pp. 38–53, 2022, doi: 10.33751/komputasi.v19i1.3976.

D. Pramudita, Y. Akbar, and T. Wahyudi, “Analisis Sentimen Terhadap Program Kartu Indonesia Pintar Kuliah Pada Media Sosial X Menggunakan Algoritma Naive Bayes,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 4, pp. 1420–1430, 2024, doi: https://doi.org/10.57152/malcom.v4i4.1565.

A. Desiani et al., “Penerapan Metode Support Vector Machine Dalam Klasifikasi Bunga Iris,” IJAI (Indonesian J. Appl. Informatics), vol. 7, no. 1, pp. 12–18, 2022, doi: https://doi.org/10.20961/ijai.v7i1.61486.

A. Rahma Lestari, R. Santoso, and Suparti, “Analisis Sentimen Pengguna Online Travel Agent (Ota) Pada Perusahaan Pegipegi.Com Menggunakan Random Forest,” J. Gaussian, vol. 12, no. 4, pp. 616–624, 2023, doi: https://doi.org/10.14710/j.gauss.12.4.616-624.

A. Musthafa, D. Muriyatmoko, Taufiqurrahman, and S. Kamal Sholihin, “Deteksi Berita Salah Pada Pemilihan Umum Presiden 2024 Menggunakan Metode Naïve Bayes Berbasis Website,” J. Fasilkom, vol. 14, no. 2, pp. 410–419, 2024, doi: https://doi.org/10.37859/jf.v14i2.7110.

J. Josen A. Limbong, I. Sembiring, and K. Dwi Hartomo, “Analisis Klasifikasi Sentimen Ulasan Pada E-Commerce Shopee Berbasis Word Cloud Dengan Metode Naive Bayes Dan K-Nearest Neighbor,” J. Teknol. Inf. dan Ilmu Komput., vol. 9, no. 2, pp. 347–355, 2022, doi: https://doi.org/10.25126/jtiik.2022924960.