ANALISIS SENTIMEN PEMUTIHAN PAJAK KENDARAAN BERMOTOR DI APLIKASI X DENGAN MODEL HIBRIDA INDOBERT-CNN LSTM

Kebijakan pemutihan pajak kendaraan bermotor banyak diperbincangkan masyarakat di media sosial X, mencerminkan beragam opini yang perlu dianalisis untuk memahami persepsi publik. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap kebijakan tersebut menggunakan model hibrida IndoBERT-CNN-LSTM. IndoBERT digunakan untuk menghasilkan representasi kata kontekstual pada teks berbahasa Indonesia, dilanjutkan dengan CNN untuk mengekstraksi fitur lokal signifikan dan LSTM untuk menangkap dependensi sekuensial serta konteks jangka panjang. Data diperoleh melalui crawling tweet dengan kata kunci terkait pemutihan pajak, kemudian melalui tahap prapemrosesan (cleaning, case folding, tokenizing, stopword removal, stemming) sebelum dilabeli ke dalam tiga kelas sentimen: positif, negatif, dan netral. Hasil penelitian menunjukkan bahwa model hibrida IndoBERT-CNN-LSTM mampu meningkatkan akurasi klasifikasi sentimen dibandingkan model tunggal, dengan memanfaatkan keunggulan IndoBERT dalam pemahaman konteks bahasa serta kemampuan CNN dan LSTM dalam ekstraksi fitur dan pemodelan sekuensial. Hasil ini diharapkan memberikan gambaran persepsi publik terhadap kebijakan pemutihan pajak kendaraan bermotor sekaligus menjadi bahan evaluasi pemerintah.