Analisis Sentimen Masyarakat terhadap Kebijakan Iuran Tabungan Perumahan Rakyat (Tapera) pada Platform X Menggunakan Algoritma Naïve Bayes Classifier dan Support Vector Machine

Analysis of Public Sentiment Towards the Public Housing Savings Contribution Policy (Tapera) on Platform X Using the Naïve Bayes Classifier Algorithm and Support Vector Machine

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. 

The Indonesian government has amended Government Regulation Number 25 of 2020 on the Implementation of Public Housing Savings (Tapera) through Government Regulation Number 21 of 2024. In the amendment, Indonesian workers' salaries will be deducted 3% for Tapera. This has caused debate among the public, especially users of the X platform. On the platform, people share their opinions and views on the Tapera policy. This study aims to classify tweets related to the Public Housing Savings (Tapera) policy using the Naïve Bayes and Support Vector Machine (SVM) algorithms, so as to obtain information about public sentiment towards the policy. Data totaling 1280 tweets were obtained from X web crawling results. The data was processed using sklearn library and labeled using InSet Lexicon. The data was also processed using SMOTE. Classification was done by dividing the data into 80:20, 70:30 and 60:40 ratios. Classification results using Naïve Bayes and SVM algorithms are then evaluated using confusion matrix and k-fold cross validation. From the classification results, it is found that public sentiment tends to be negative towards the Tapera policy. It was also found that the SVM algorithm has better accuracy than the Naïve Bayes algorithm. Before SMOTE, SVM has 84% accuracy at 80:20 ratio with linear kernel and C=2, while Naïve Bayes has 81% accuracy at 80:20 ratio with Complement model and alpha 0.01. After SMOTE, SVM has 93% accuracy at 80:20 ratio with rbf kernel and C=3, while Naïve Bayes has 89% accuracy at 60:40 ratio with Complement model and alpha 0.1.