"Perubahan tarif PPN? Pakai sentiment analysis, Anda bisa mengetahui sejauh mana perubahan ini berdampak bagi masyarakat"

Apakah Anda tahu PPN? Kini Indonesia mengalami perubahan tarif Pajak Pertambahan Nilai (PPN). Yang mana, seringkali ini memicu reaksi beragam dari masyarakat. Dengan itu, ada baiknya Sektor Pemerintahan perlu mendengar lebih dalam apa kata masyarakat terkait perubahan ini. Maka dari itu, sentiment analysis memiliki peran penting dalam mengetahui seluruh sentimen dan kekhawatiran masyarakat. Mau tahu lebih lanjut? Simak sentiment analysis di bawah ini!

Memahami Sentiment Analysis

Sentiment analysis pada umumnya merupakan teknik analisis data yang dirancang untuk mengidentifikasi, mengukur, dan memahami emosi, opini, atau sentimen yang terkandung dalam teks, percakapan, atau interaksi lainnya. Tujuannya adalah memahami pandangan, sikap, dan perasaan orang atau kelompok terhadap topik tertentu. Beberapa komponen yang dianalisis sentiment analysis ini bersumber dari seluruh komentar yang masuk di beberapa media sosial, review, hingga percakapan digital. Sentiment analysis juga mampu untuk mengidentifikasi emosi atau sifat dari komentar yang masuk. Apakah komentar tersebut bersifat positif, negatif, atau netral. 

Sentiment Analysis & Dampak Potensial PPN

Lalu, dalam konteks perubahan atau kenaikan PPN ini peran sentiment analysis apa? Sentiment analysis di sini secara mudah akan mengidentifikasi dampak potensial PPN sebagai alat untuk memahami reaksi dan pandangan masyarakat terkait hal tersebut. Seperti apa? Untuk itu ada baiknya untuk simak penjelasannya di bawah ini: 

• Mengukur Reaksi Publik

Sentiment analysis akan dengan mudah mengukur seluruh reaksi publik terhadap kenaikan tarif PPN ini. Yang mana, sentiment analysis akan menunjukkan dukungan masyarakat terhadap kebijakan tersebut. Misalnya, masyarakat merasa kebijakan ini akan meningkatkan kesejahteraan atau pertumbuhan ekonomi. Bisa saja juga, sentiment analysis akan menunjukkan penolakan atau ketidaksetujuan masyarakat. Misalnya, masyarakat merasa kebijakan ini akan membebani keuangan mereka atau tidak adil, hingga menunjukkan sikap netral atau tidak memiliki pendapat yang kuat. Sehingga, Anda bisa mengetahui sejauh mana hal ini berdampak bagi masyarakat.

• Identifikasi Isu Utama

Sudah pasti salah satu yang akan sentiment analysis lakukan ialah sebagai alat mengidentifikasi isu-isu utama. Mengapa? Dikarenakan, sentiment analysis akan mengidentifikasi topik-topik yang paling banyak dibicarakan terkait kenaikan PPN. Sebagai contoh, apakah masyarakat lebih fokus pada dampak terhadap daya beli atau pada dampak terhadap sektor tertentu. Sehingga, sentiment analysis akan memberikan hasil analisis teks yang lebih mendalam. Dengan, menganalisis teks secara mendalam, Anda juga bisa memahami alasan di balik sentimen positif atau negatif. Misalnya, mengapa sebagian masyarakat mendukung kenaikan PPN, sementara yang lain menentangnya.

• Prediksi Dampak Ekonomi

Ternyata sentiment analysis juga bisa digunakan sebagai alat pendeteksi dampak ekonomi! Cocok sekali untuk sektor pemerintahan gunakan. Dalam konteks PPN, sentiment analysis akan memberikan informasi terkait perubahan perilaku masyarakat seputar ini. Dikarenakan, sentiment analysis  dapat memprediksi bagaimana kenaikan PPN akan mempengaruhi perilaku konsumen. Misalnya, apakah konsumen akan mengurangi pengeluaran atau mencari alternatif produk yang lebih murah. Lalu, untuk seorang pebisnis, sentiment analysis dapat membantu bisnis mengantisipasi dampak kenaikan PPN terhadap penjualan dan profitabilitas.

• Evaluasi Kebijakan

Apakah perubahan tarif PPN ini sudah maksimal? Jika Anda ingin tahu soal ini, sentiment analysis adalah jawabannya. Sentiment analysis dapat digunakan untuk mengevaluasi efektivitas komunikasi pemerintah terkait kebijakan kenaikan PPN. Seperti, apakah masyarakat memahami alasan di balik kebijakan ini? Yang kemudian, hasil yang diperoleh sentiment analysis akan digunakan sebagai masukan demi memperbaiki atau menyempurnakan perubahan/ kebijakan ini. 

Baca Juga: Sentiment Analysis Tools: Pengubah Data Emosi Menjadi Keuntungan 

Teknik Sentiment Analysis

Sebegitu berharganya sentiment analysis dalam memahami reaksi masyarakat terhadap perubahan kebijakan seperti kenaikan PPN ini. Namun, sebenarnya teknik apa yang digunakan sentiment analysis demi mendapatkan seluruh informasi tadi? Ada 3 teknik atau proses yang sentiment analysis lakukan. Yakni, rule-based, machine learning, dan deep learning. Simak ketiganya di bawah ini: 

• Rule-Based

Rule-based dalam sentiment analysis ini mampu membuat daftar kata-kata yang positif dan negatif. Ini berguna untuk menghitung frekuensi seberapa sering kata-kata tersebut muncul. 

Kelebihan

1. Aturan yang digunakan oleh metode sentiment analysis yang satu ini sangat sederhana.
2. Bisa disesuaikan dengan kebutuhan domain atau bahasa.
3. Hasil sentiment analysis pun dapat dijelaskan secara jelas berdasarkan aturan yang telah ditetapkan. 

Kekurangan

1. Namun, rule-based ini memiliki begitu banyak aturan jika teks yang dianalisis semakin kompleks. 
2. Skalabilitasnya pun sulit diterapkan pada dataset yang besar.

• Machine Learning

Kemudian, sentiment analysis dibantu dengan machine learning seperti NLP. Jika, rule-based skalabilitasnya sulit diterapkan ke datset yang besar, model ini bisa digunakan untuk dataset yang besar dan berlabel. 

Kelebihan

1. Machine learning mampu mencapai akurasi yang tinggi dalam mengidentifikasi hasil sentiment analysis.
2. Dapat menangani dataset yang sangat besar
3. Mampu belajar dari berbagai data.

Kekurangan

1. Namun, machine learning memerlukan sejumlah data berlabel untuk dilatih.
2. Proses pengambilan keputusannya pun seringkali sulit dijelaskan.

• Deep Learning

Sentiment analysis juga memiliki teknik deep learning yang mampu melatih model pada dataset yang besar nan bervariasi. Ini berguna untuk mengumpulkan seluruh komentar yang berada di media sosial. 

Kelebihan

1. Tahapan ini mampu mencapai tingkat akurasi yang sangat tinggi, terutama dalam menganalisis teks yang panjang dan kompleks. 
2. Sentiment analysis dengan teknik ini, mampu menangkap konteks yang lebih luas. Termasuk, sarkasme, ironi, dan emosi yang kompleks lainnya.

Kekurangan

Namun, sudah pasti model ini membutuhkan sumber daya yang besar dan jumlah data yang sangat besar guna mencapai kinerja yang baik.

Sentiment Analysis, Ripple10: Laporan Evaluasi Dampak Potensial PPN Berkelanjutan

Jadi, dalam praktis sentiment analysis seringkali menggabungkan beberapa teknik guna untuk mencapai hasil yang optimal. Misalnya, rule-based dapat digunakan untuk melakukan pra-pemrosesan teks, sedangkan machine learning atau deep learning digunakan untuk melakukan klasifikasi sentimen. Tetapi tenang saja, jika Anda mencari sentiment analysis yang dengan tingkat klasifikasi yang tinggi dan akurat ada Ripple10 dari Ivosights jawabannya! Ripple10 adalah platform monitoring percakapan digital berdasarkan keyword yang dapat membantu bisnis dalam mendapatkan data berupa percakapan yang bersumber dari sosial media, portal berita, blog, dan forum.