Analisis Sentimen terhadap Simpanan Tapera di Instagram Menggunakan Metode Word2Vec dengan Algoritma Naives Bayes dan SMOTE

Abstract

Defisit perumahan di Indonesia, khususnya di wilayah perkotaan, masih menjadi permasalahan utama yang dihadapi masyarakat berpenghasilan rendah. Pemerintah merespons hal ini dengan kebijakan Tabungan Perumahan Rakyat (TAPERA) yang mewajibkan iuran sebesar 3% dari penghasilan pekerja, dengan rincian 0,5% ditanggung oleh pemberi kerja dan 2,5% oleh pekerja. Meskipun bertujuan mengatasi kekurangan perumahan, kebijakan ini menuai pro dan kontra. Seiring perkembangan teknologi, media sosial seperti Instagram menjadi wadah masyarakat untuk menyuarakan pendapat mereka terhadap kebijakan pemerintah, termasuk TAPERA. Untuk menganalisis sentimen dari data teks yang dihasilkan, digunakan pendekatan canggih seperti word embedding, salah satunya Word2Vec. Teknik ini mengubah kata-kata menjadi vektor numerik dalam ruang multidimensi, sehingga memungkinkan pemahaman hubungan semantik antar kata. Representasi ini sangat berguna dalam berbagai tugas pemrosesan bahasa alami seperti klasifikasi teks dan analisis sentimen. Dalam penelitian ini, algoritma Naive Bayes dipilih sebagai metode utama untuk klasifikasi sentimen karena kemampuannya yang cukup efektif dalam mengelompokkan data ke dalam kategori positif, negatif, dan netral. Namun, karena data sering kali tidak seimbang, algoritma SMOTE juga digunakan untuk mengatasi ketidakseimbangan antara jumlah data positif dan negatif. Penggunaan metode ini merujuk pada berbagai penelitian terdahulu yang telah membuktikan efektivitas kombinasi Word2Vec dan algoritma klasifikasi seperti Naive Bayes maupun Support Vector Machine dalam menganalisis opini publik melalui media sosial dan ulasan aplikasi digital.