Text

Prediksi Akurasi Kebijakan TAPERA dalam Analisis Sentimen Pengguna Media Sosial Menggunakan Metode Support Vector Machine dengan Optimasi Hyperparameter.

---

Kebijakan Tabungan Perumahan Rakyat (Tapera) melalui PP No. 21 Tahun 2024, yang mengatur iuran wajib 3% dari gaji/upah pekerja, memicu kontroversi publik sehingga diperlukan analisis sentimen untuk mengukur opini secara objektif. Penelitian ini bertujuan membangun model klasifikasi sentimen yang optimal menggunakan Support Vector Machine (SVM). Untuk mengatasi ketidakseimbangan label otomatis, data sentimen diolah melalui pendekatan klustering K-Means. Eksperimen klasifikasi melibatkan perbandingan SVM dan Naïve Bayes (NB) dengan empat skenario pengujian, termasuk penambahan SMOTE dan hyperparameter tuning (menggunakan GridSearchCV) pada fitur TF-IDF N-gram (1, 1). Hasil menunjukkan bahwa model SVM yang dikombinasikan dengan SMOTE dan GridSearchCV berhasil mencapai akurasi tertinggi sebesar 0.9778 (97.78\%) pada konfigurasi optimal {C}=1 dan kernel = {rbf}. Akurasi ini menegaskan bahwa optimasi hyperparameter dan penanganan data tidak seimbang merupakan faktor kunci peningkatan performa, menjadikan model yang dihasilkan alat yang andal untuk mengidentifikasi sentimen publik dan mendukung evaluasi kebijakan Tapera.

---

Availability

Detail Information

Call Number

informatika 302.15 Ass p

Language

Indonesia

NPM

193510052

Publisher

Teknik Informatika : Universitas Islam Riau., 2026

Keyword(s)

Support Vector Machine
Naive Bayes
Kebijakan Publik
Sentimen Publi
Tapera
TFIDF
K-Means
SMOTE

Other Information

Petugas

Ayu Agustina

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment