ANALISIS SENTIMEN PUBLIK TERHADAP KEBIJAKAN TAPERA DI TWITTER: PENDEKATAN MACHINE LEARNING MENGGUNAKAN LOGISTIC REGRESSION

Abstract

Kebijakan Tabungan Perumahan Rakyat (Tapera) “menimbulkan beragam respons dari masyarakat, khususnya di media sosial X, yang mencerminkan persepsi publik terhadap kebijakan tersebut. Banyaknya opini yang berkembang menyebabkan sulitnya memahami kecenderungan sentimen masyarakat secara menyeluruh apabila dilakukan secara manual. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen publik terhadap kebijakan Tapera menggunakan pendekatan machine learning. Data penelitian diperoleh melalui teknik crawling pada media sosial X dengan kata kunci terkait Tapera, kemudian dilakukan proses pembersihan dan pra-pemrosesan teks. Pelabelan sentimen dilakukan secara otomatis menggunakan model bahasa IndoBERT dengan tiga kategori sentimen, yaitu positif, netral, dan negatif. Data selanjutnya dibobotkan menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) dan diklasifikasikan menggunakan algoritma Logistic Regression.” Hasil penelitian menunjukkan bahwa sentimen masyarakat terhadap kebijakan Tapera didominasi oleh sentimen netral dan negatif. Evaluasi model menghasilkan nilai akurasi sebesar 71,6% dengan performa yang relatif seimbang pada setiap kelas sentimen setelah dilakukan penyeimbangan data. Hasil ini menunjukkan bahwa pendekatan yang digunakan mampu memberikan gambaran sentimen publik terhadap kebijakan Tapera secara efektif.