Publisher

PELITABANGSAPELITABANGSA

Journal Pelita TeknologiPelita Teknologi Abstract

Penelitian ini menganalisis sentimen publik terhadap pelayanan Bea Cukai di Indonesia yang menjadi sorotan di media sosial X. Metode Soft Voting dengan menggabungkan prediksi algoritma Naïve Bayes, K-Nearest Neighbor, dan Decision Tree pada data unggahan pengguna yang diproses melalui tahapan KDD, preprocessing, N-Gram 1–3, serta SMOTE, dan dievaluasi menggunakan Stratified K-Fold Cross Validation (5 fold). Hasil menunjukkan akurasi Naïve Bayes sebesar 93%, Decision Tree 85%, dan KNN 57%, sedangkan metode Soft Voting menghasilkan akurasi 99% pada data uji dan turun sekitar 4% pada data baru, menandakan kemampuan generalisasi yang baik serta pengurangan kesalahan klasifikasi, khususnya pada tweet negatif. Walaupun secara kuantitatif tampak positif, analisis sentimen mayoritas wordcloud menunjukkan dominasi isu negatif seperti penahanan barang, dugaan korupsi, dan permasalahan sistem yang menjadi perhatian utama publik. Oleh karena itu, Direktorat Jenderal Bea dan Cukai perlu memperkuat penerapan kode etik serta penegakan regulasi terkait guna meningkatkan transparansi dan kepercayaan masyarakat.

Conclusion

Penelitian ini menunjukkan bahwa mayoritas opini publik di platform X bersentimen positif terhadap pelayanan Bea Cukai, meskipun terdapat kritik terhadap aspek pelayanan dan transparansi.Penerapan metode Soft Voting yang menggabungkan algoritma Naïve Bayes, KNN, dan Decision Tree terbukti meningkatkan akurasi analisis sentimen dan kemampuan generalisasi model.Temuan ini dapat menjadi bahan evaluasi bagi instansi terkait untuk meningkatkan kualitas pelayanan dan memperkuat kepercayaan masyarakat.

Future Research

Penelitian lanjutan dapat dilakukan dengan mengeksplorasi penggunaan model deep learning seperti LSTM atau Transformer untuk menangkap konteks yang lebih kompleks dalam sentimen publik. Selain itu, studi lebih lanjut dapat dilakukan untuk mengidentifikasi faktor-faktor spesifik yang paling memengaruhi sentimen negatif terhadap pelayanan Bea Cukai, seperti proses kepabeanan yang rumit atau kurangnya informasi yang jelas. Terakhir, penelitian dapat diperluas dengan menganalisis sentimen publik dari berbagai platform media sosial lainnya untuk mendapatkan gambaran yang lebih komprehensif tentang persepsi masyarakat terhadap kinerja Bea Cukai, sehingga dapat dirumuskan strategi peningkatan pelayanan yang lebih efektif dan terarah. Penelitian-penelitian ini diharapkan dapat memberikan wawasan yang lebih mendalam dan berkontribusi pada peningkatan kualitas pelayanan publik di sektor kepabeanan.

References

1. Comparative Analysis of Machine Learning Algorithms for Sentiment Classification in Amazon Reviews |... doi.org/10.54097/eqmavw44Comparative Analysis of Machine Learning Algorithms for Sentiment Classification in Amazon Reviews doi 10 54097 eqmavw44
2. JBD | Sentiment Analysis Based on Performance of Linear Support Vector Machine and Multinomial Naïve... doi.org/10.32604/jbd.2023.041319JBD Sentiment Analysis Based on Performance of Linear Support Vector Machine and Multinomial Nayve doi 10 32604 jbd 2023 041319
3. Perbandingan Metode KNN, Decision Tree, dan Naïve Bayes Terhadap Analisis Sentimen Pengguna... doi.org/10.32493/informatika.v5i4.7622Perbandingan Metode KNN Decision Tree dan NayEAve Bayes Terhadap Analisis Sentimen Pengguna doi 10 32493 informatika v5i4 7622
4. Analisis Optimasi Algoritma Decision Tree, Logistic Regression dan SVM Menggunakan Soft Voting | JURNAL... ejurnal.stmik-budidarma.ac.id/index.php/mib/article/view/6856Analisis Optimasi Algoritma Decision Tree Logistic Regression dan SVM Menggunakan Soft Voting JURNAL ejurnal stmik budidarma ac index php mib article view 6856

Metadata

File size	1.07 MB
Pages	9
DMCA	Report