ANALIS SENTIMEN MASYARAKAT DI TWITTER TERHADAP PEGAWAI PAJAK DENGAN METODE MULTINOMIAL NAÏVE BAYES

Abstrak

Pajak merupakan iuran wajib masyarakat kepada negara yang dapat dikenakan tanpa pelanggaran secara langsung, dan apabila ada masyarakat yang tidak membayar pajak, maka akan dikenakan sanksi oleh negara. Penyalahgunaan kekuasaan dalam pemerintahan pajak terkait dengan praktik-praktik yang melanggar etika atau hukum yang dilakukan oleh pegawai pajak atau pejabat pajak. Hal ini dapat mencakup penyelewengan dalam penerimaan atau pengeluaran pajak, manipulasi data atau informasi keuangan, atau tindakan korupsi. Penyalahgunaan kekuasaan di bidang pajak juga bisa memiliki dampak yang merugikan pada masyarakat dan perekonomian, seperti kehilangan pendapatan negara, ketidakadilan dalam sistem pajak, dan ketidakpercayaan masyarakat terhadap pemerintah dan lembaga pajak. Dalam penelitian ini bertujuan untuk menganalisis opini publik atau masyarakat Indonesia terhadap pegawai pajak. Metode analisis pada penelitian ini menggunakan Multinomial Naïve Bayes. Klasifikasi sentimen dibagi menjadi dua yaitu positif dan negatif. Dalam penelitian ini dilatarbelakangi atas penyalahgunaan kekuasaan oleh pegawai pajak dan hilangnya rasa kepercayaan masyarakat terhadap pegawai pajak. Peneliti juga menggunakan CRISP-DM sebagai metode pengolahan data serta menggunakan aplikasi rapidminer untuk mendapatkan, mengolah dan menghasilkan klasifikasi positif dan negatif. Selain rapidminer peneliti juga menggunakan aplikasi microsoft excel dalam membantu menentukan klasifikasi positif dan negatif. Pada penelitian ini mengambil 1.078 data tweet yang membahas pegawai pajak pada media sosial twitter dengan menggunakan keywords “RafaelPajak”, “PejabatPajak”, “PajakIndonesia”, “RafaelAlun”, dan “GratifikasiPajak”. Setelah data diolah maka dihasilkan 363 data tweet dari 1.078 data tweet yang siap digunakan pada penelitian ini. Sehingga hasil dari penelitian ini menghasilkan nilai sentiment positif sebanyak 118 data dan sentiment negatif sebanyak 245 data. Sedangkan untuk nilai accuracy yaitu 68.52%, precision 51.52%, dan recall 48.57% dengan pemodelan naïve bayes yang menggunakan perbandingan 70:30 untuk data training dan data testing. Sehingga dapat dihasilkan pegawai pajak masih dinilai negatif oleh masyarakat Indonesia.