Analisis Sentimen Pengguna Media Sosial Twitter terhadap Minat Membayar Pajak Menggunakan Algoritma Naive Bayes

Wahyu Andrian, Bagas (2023) Analisis Sentimen Pengguna Media Sosial Twitter terhadap Minat Membayar Pajak Menggunakan Algoritma Naive Bayes. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (12MB)
	PDF BAB_I.pdf Download (216kB)
	PDF BAB_II.pdf Download (278kB)
	PDF BAB_III.pdf Download (295kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (205kB)
	PDF DAFTAR_PUSTAKA.pdf Download (232kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (2MB)

Abstract

Sejak tahun 2008 penerimaan pajak tidak mampu mencapai target yang telah ditentukan dalam Anggaran Pendapatan dan Belanja Negara (APBN) setiap tahunnya. Hingga pada tahun 2021, penerimaan pajak berhasil mencapai target yang telah ditargetkan pada APBN 2021. Ditengah membaiknya penerimaan pajak, menjelang berakhirnya bulan Februari 2023 muncul kasus yang melibatkan anak pejabat Direktorat Jendral Pajak (DJP) hingga menarik sang ayah dipanggil oleh Komisi Pemberantasan Korupsi (KPK) guna dimintai penjelasan terhadap harta kekayaannya. Pascakasus tersebut menimbulkan banyak seruan dimasyarakat untuk berhenti membayar pajak yang dinilai oleh Tauhid Ahmad selaku Direktur Eksekutif Indef sebagai bentuk penurunan kepercayaan terhadap institusi pengumpul pajak. Hal ini dapat berpengaruh terhadap banyaknya pemasukan dari pajak karena kepercayaan terhadap pemerintah menjadi salah satu faktor yang cenderung berpengaruh terhadap kepatuhan masyarakat dalam membayar pajak. Salah satu seruan yang ramai adalah pro dan kontra terhadap gerakan boikot pajak pada media sosial Twitter. Dengan ramainya pro dan kontra terhadap gerakan yang dapat mempengaruhi pemasukan pajak pada media sosial Twitter maka diperlukan penilaian berdasarkan analisa sentimen yang dibagi kedalam kategori positif, netral, atau negatif. Analisa sentimen dalam penelitian ini dilakukan menggunakan tiga variasi naive bayes yang dibantu dengan model pembobotan kata TF-IDF, yaitu gaussian naive bayes, multoninomial naive bayes, dan bernoulli naive bayes. Kemudian confusion matrix digunakan guna mengevaluasi model dengan cara mendapatkan nilai accuracy, precision, recall, dan f1-score dan penggunaan Synthetic Minority Oversampling Technique (SMOTE) untuk menangani data yang tidak seimbang. Hasil dari penelitian kali ini terhadap data yang tidak seimbang, implementasi bernoulli naive bayes menggunakan teknik SMOTE pada perbandingan dataset 80:20 menghasilkan performa yang lebih baik dibandingkan variasi gaussian dan multinomial naive bayes dengan hasil akurasi sebesar 91.03%, precision 71.11%, recall 71.43%, dan f1-score sebesar 71.18%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Analisa Sentimen, Membayar Pajak Naive Bayes, Twitter
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	06 Nov 2024 03:52
Last Modified:	06 Nov 2024 03:52
URI:	https://kc.umn.ac.id/id/eprint/32470

Actions (login required)

View Item