ANALISIS SENTIMEN PAJAK PERTAMBAHAN NILAI (PPN) PADA MEDIA SOSIAL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

Waworuntu, Eriki Edwar and Angdresey, Apriandy and Turang, Rinaldo (2022) ANALISIS SENTIMEN PAJAK PERTAMBAHAN NILAI (PPN) PADA MEDIA SOSIAL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. Skripsi thesis, UNIVERSITAS KATOLIK DE LA SALLE MANADO.

	PDF COVER-LEMBAR_PENGESAHAN_ErikiWaworuntu.pdf Download (116kB)
	PDF ABSTRAK_ErikiWaworuntu.pdf Download (89kB)
	PDF KATA_PENGANTAR-DAFTAR_ISI_ErikiWaworuntu.pdf Download (40kB)
	PDF BAB_I_ErikiWaworuntu.pdf Download (102kB)
	PDF BAB_II-LAMPIRAN_ErikiWaworuntu.pdf Restricted to Repository staff only Download (2MB)

Official URL: https://digilib.unikadelasalle.ac.id/

Abstract

Pajak Pertambahan Nilai merupakan pajak yang dibebani oleh individu atau kelompok atas konsumsi barang maupun jasa. Kegiatan ini berlangsung secara terus-menerus yang memiliki tujuan untuk meningkatkan kesejahteraan masyarakat yang baik. Kebijakan pemerintah menaikan PPN memunculkan berbagai komentar masyarakat terlebih khusus yang ada pada media sosial. Analisis sentimen adalah proses menentukan sentimen dan pengelompokkan data berdasarkan kategori sentimen. Analisis sentimen sering disebut sebagai penggalian opini berdasarkan informasi yang dikumpulkan. SVM adalah algoritma machine learning yang digunakan dalam melakukan klasifikasi. SVM memiliki konsep dasar yaitu dengan memisahkan beberapa kelas data dengan menentukan hyperplane terbaik.
Pada tugas akhir ini aplikasi dibangun dengan menggunakan bahasa pemrograman python dengan menggunakan pemodelan data yang digunakan yaitu Data Flow Diagram. Aplikasi yang dibangun dapat mengambil data dari media sosial Twitter dan Instagram, data yang telah dikumpulkan akan dilakukan pembersihan data dengan dilakukan preprocessing data. Setelah itu data akan dilakukan pengujian berdasarkan jenis data dan jenis pengujian untuk mendapatkan hasil klasifikasi dan nilai akurasi dari pengujian yang dilakukan. Hasil pengujian tertinggi yang didapatkan dari beberapa kali pengujian terdapat pada pengujian data gabungan dengan partisi data 80%-20% dengan nilai akurasi 83,6% dengan waktu eksekusi 1440 detik.

Kata kunci : Text Mining, Analisis Sentimen, Support Vector Machine, Pajak Pertambahan Nilai, Media Sosial.

Item Type:

Thesis (Skripsi)

Creators: