PELITABANGSAPELITABANGSA

Pelita TeknologiPelita Teknologi

Program Tabungan Perumahan Rakyat (Tapera) sebagai inisiatif tabungan jangka panjang untuk pembiayaan perumahan, khususnya bagi masyarakat berpenghasilan rendah, mendapat sentimen negatif dari publik di media sosial, terutama Twitter. Penelitian ini menggunakan metode Naïve Bayes Classifier (NBC) untuk menganalisis cuitan warga Indonesia terkait Program Tapera. Dari 2600 cuitan yang dianalisis, 57,35% menunjukkan sentimen negatif, sementara 42,65% menunjukkan sentimen positif. Evaluasi model menunjukkan akurasi rata-rata 68,4% untuk NBC, dengan akurasi tertinggi mencapai 73,3% pada perbandingan data training-testing 80:20 dan terendah 61,9% pada perbandingan 10:90. Penelitian ini memberikan gambaran mendalam tentang respons publik terhadap Program Tapera di media sosial dan mengonfirmasi efektivitas Naïve Bayes Classifier dari Twitter dalam mengklasifikasikan cuitan sentimen. Temuan ini menyarankan kebutuhan akan strategi komunikasi yang lebih efektif dan perbaikan kebijakan yang lebih responsif terhadap ekspektasi dan kebutuhan publik.

Penelitian ini menunjukkan bahwa mayoritas masyarakat Indonesia memiliki sentimen negatif terhadap Program Tapera di Twitter, dengan 57,35% cuitan menunjukkan sentimen negatif dan 42,65% menunjukkan sentimen positif.Evaluasi menggunakan Naïve Bayes Classifier menunjukkan rata-rata akurasi 68,4%, dengan akurasi tertinggi 73,3% pada perbandingan data training-testing 80.20 dan terendah 61,9% pada perbandingan 10.Model ini lebih efektif mendeteksi sentimen negatif, tetapi mengalami kesulitan dalam mengidentifikasi sentimen positif, terutama pada proporsi data testing yang lebih besar.Hasil ini menunjukkan efektivitas Naïve Bayes Classifier, tetapi perlu perbaikan dalam mendeteksi sentimen positif.

Untuk penelitian lanjutan, dapat dipertimbangkan beberapa saran berikut: Pertama, perlu dilakukan analisis lebih mendalam tentang faktor-faktor yang mempengaruhi sentimen negatif terhadap Program Tapera, seperti pemotongan gaji dan kekhawatiran finansial. Kedua, penelitian dapat fokus pada pengembangan strategi komunikasi yang lebih efektif untuk mengatasi sentimen negatif tersebut. Ketiga, studi lanjutan dapat mengeksplorasi cara-cara meningkatkan akurasi Naïve Bayes Classifier dalam mendeteksi sentimen positif, terutama dengan mempertimbangkan konteks dan bahasa informal di media sosial. Dengan menggabungkan saran-saran ini, penelitian selanjutnya dapat memberikan kontribusi yang lebih komprehensif dalam memahami dan mengatasi sentimen publik terhadap Program Tapera.

Read online
File size837.64 KB
Pages14
DMCAReport

Related /

ads-block-test