PENERAPAN ALGORITMA NAIVE BAYES UNTUK ANALISIS SENTIMEN PENGGUNA APLIKASI CoreTax

Anshori, M. Habib Musthofa (2025) PENERAPAN ALGORITMA NAIVE BAYES UNTUK ANALISIS SENTIMEN PENGGUNA APLIKASI CoreTax. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf - Published Version
Download (751kB)
[img] Text (BAB I)
BAB I.pdf - Published Version
Download (236kB)
[img] Text (BAB II)
BAB II.pdf - Published Version
Restricted to Registered users only
Download (549kB)
[img] Text (BAB III)
BAB III.pdf - Published Version
Restricted to Registered users only
Download (460kB)
[img] Text (BAB IV)
BAB IV.pdf - Published Version
Restricted to Registered users only
Download (716kB)
[img] Text (BAB V)
BAB V.pdf - Published Version
Download (93kB)
[img] Text (DAFTAR PUSTAKA-LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf - Published Version
Restricted to Registered users only
Download (522kB)
[img] Archive (SOURCE CODE)
Sourcecode - 21.11.3911.zip - Published Version
Restricted to Repository staff only
Download (2MB)
[img] Text (PUBLIKASI)
Publikasi.pdf - Published Version
Restricted to Repository staff only
Download (505kB)

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.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Abdulloh, Ferian Fauzi
Uncontrolled Keywords: Analisis Sentimen, Naive Bayes, CoreTax, TF-IDF, SMOTE.
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 03 Mar 2026 03:22
Last Modified: 03 Mar 2026 03:22
URI: http://eprints.amikom.ac.id/id/eprint/31730

Actions (login required)

View Item View Item