@phdthesis{universitasamikomyogyakarta31730,
            year = {2025},
          school = {Universitas AMIKOM Yogyakarta},
           month = {December},
           title = {PENERAPAN ALGORITMA NAIVE BAYES UNTUK ANALISIS SENTIMEN PENGGUNA APLIKASI CoreTax},
          author = {M. Habib Musthofa Anshori},
        keywords = {Analisis Sentimen, Naive Bayes, CoreTax, TF-IDF, SMOTE.},
        abstract = {Perkembangan teknologi informasi telah mendorong transformasi digital 
di berbagai sektor, termasuk bidang perpajakan di Indonesia. Direktorat Jenderal
Pajak (DJP) mengimplementasikan aplikasi CoreTax sebagai upaya meningkatkan
efisiensi, transparansi, dan kenyamanan dalam proses administrasi perpajakan.
Meskipun demikian, hadirnya aplikasi ini memunculkan beragam respons dari
masyarakat, mulai dari pengalaman positif terkait kemudahan akses hingga
keluhan mengenai kendala teknis yang menghambat proses pelaporan. Untuk
memahami persepsi publik secara menyeluruh, penelitian ini menerapkan analisis
sentimen berbasis teks terhadap komentar pengguna CoreTax yang diperoleh dari
platform YouTube menggunakan algoritma Naive Bayes.
Tahapan penelitian mencakup proses preprocessing data seperti cleaning,
case folding, tokenizing, stopword removal, word normalization, dan stemming
untuk menghasilkan teks yang lebih bersih dan seragam. Representasi fitur
dilakukan menggunakan metode Term Frequency?Inverse Document Frequency
(TF-IDF), sedangkan teknik Synthetic Minority Over-sampling Technique
(SMOTE) digunakan untuk menangani ketidakseimbangan pada distribusi kelas
sentimen. Hasil pengujian menunjukkan bahwa model Naive Bayes yang
dibangun memiliki performa yang baik dengan akurasi sebesar 92\%, precision
0.85, recall 0.82, dan f1-score 0.84. Nilai tersebut menunjukkan kemampuan
model dalam mengidentifikasi sentimen positif dan negatif secara cukup akurat.
Secara keseluruhan, penelitian ini memberikan gambaran objektif
mengenai persepsi masyarakat terhadap aplikasi CoreTax sekaligus menunjukkan
efektivitas algoritma Naive Bayes dalam tugas klasifikasi sentimen berbasis teks.
Hasil ini dapat menjadi acuan akademis dalam pengembangan penelitian terkait
analisis sentimen menggunakan metode pembelajaran mesin.},
             url = {https://eprints.amikom.ac.id/id/eprint/31730/}
}