BAILEY, MUHAMMAD RIZKI FACHRIZA and Nurfalinda, Nurfalinda and Fortia, Magfira (2026) PERBANDINGAN SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBOR DALAM ANALISIS SENTIMEN KEBIJAKAN PPN 12% PADA BARANG DAN JASA MEWAH. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) Muhammad_Rizki_Fachriza_Bailey_2101020071_Teknik_Informatika_Cover.pdf - Published Version Download (779kB)
	Text (Abstrak) Muhammad_Rizki_Fachriza_Bailey_2101020071_Teknik_Informatika_Abstrak.pdf - Published Version Download (269kB)
	Text (Bab I) Muhammad_Rizki_Fachriza_Bailey_2101020071_Teknik_Informatika_Bab I.pdf - Published Version Download (330kB)
	Text (Daftar Pustaka) Muhammad_Rizki_Fachriza_Bailey_2101020071_Teknik_Informatika_Daftar_Pustaka.pdf - Published Version Download (292kB)
	Text (Full Teks) Muhammad_Rizki_Fachriza_Bailey_2101020071_Teknik_Informatika_Full_Teks.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Kebijakan pemerintah Indonesia menaikkan tarif PPN menjadi 12% khusus untuk barang dan jasa mewah memicu respons beragam dari masyarakat di media sosial YouTube. Penelitian ini bertujuan menganalisis sentimen publik serta membandingkan performa algoritma Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN). Dengan menggunakan 8.706 data komentar hasil scraping, penelitian ini menerapkan pelabelan sentimen berbasis InSet Lexicon. Melalui optimasi Grid Search, hasil analisis menunjukkan dominasi sentimen negatif sebesar 52,1%, diikuti positif 32,2%, dan netral 15,7%. Pada pengujian klasifikasi, algoritma SVM dengan kernel RBF terbukti lebih unggul dengan akurasi 89,32%, dibandingkan KNN (K=13) yang memperoleh akurasi 87,31%. Meskipun SVM memiliki akurasi lebih tinggi, KNN mencatat waktu komputasi yang lebih cepat (0,0333 detik) dibanding SVM (0,2483 detik). Secara kualitatif, visualisasi wordcloud mengungkap bahwa sentimen negatif didorong oleh kekhawatiran ekonomi dan ketidakpercayaan publik, sedangkan sentimen positif mencerminkan dukungan terhadap sasaran pajak barang mewah. Dapat disimpulkan bahwa SVM adalah metode terbaik untuk akurasi pada dataset ini, di mana mayoritas publik cenderung merespons negatif terhadap kebijakan tersebut akibat kekhawatiran dampak ekonomi lanjutan.

Actions (login required)

View Item