PEMODELAN OPINI PUBLIK TERHADAP KEBIJAKAN MENTERI KEUANGAN TENTANG BEA CUKAI PADA KOMENTAR INSTAGRAM MENGGUNAKAN METODE TOP2VEC

Penelitian ini bertujuan untuk memodelkan opini publik terhadap kebijakan MenterirnKeuangan terkait Bea dan Cukai melalui analisis komentar pengguna Instagram.rnData dikumpulkan dari berbagai akun pada periode Oktober 2025 hingga Februarirn2026 sebanyak 18.859 komentar dan setelah melalui preprocessing menghasilkanrn13.998 data bersih. Karakteristik komentar yang singkat, informal, mengandungrnslang, serta campuran bahasa Indonesia dan Inggris menjadi tantangan dalamrnanalisis sehingga diperlukan metode yang mampu menangkap makna semantik.rnPenelitian ini menggunakan metode Top2Vec berbasis unsupervised learning yangrnmengintegrasikan embedding semantik, reduksi dimensi menggunakan UniformrnManifold Approximation and Projection (UMAP), serta clustering berbasis densitasrnmenggunakan Hierarchical Density-Based Spatial Clustering of Applications withrnNoise (HDBSCAN). Selain itu, diterapkan strategi parameter tuning adaptifrnberdasarkan ukuran dataset, yaitu data kecil (5, 10, 3), sedang (15, 15, 5), dan besarrn(45, 25, 10), yang terbukti meningkatkan stabilitas klasterisasi dan pengendalianrnnoise. Pengujian dilakukan melalui dua skenario, yaitu dengan UMAP dan tanparnUMAP, serta dievaluasi menggunakan coherence score, c_v dan c_npmi, topicrndiversity, information gain, dan proporsi noise. Hasil menunjukkan bahwa skenariorndengan UMAP menghasilkan 46 topik dengan noise 2.883 komentar, c_v 0.3694,rnc_npmi -0.2794, diversity 0.4183, IG 0.0131, sedangkan tanpa UMAPrnmenghasilkan 6 topik dengan noise 12.211 komentar, c_v 0.5353, c_npmi -0.4599,rndiversity 0.8750, IG 0,0418. Temuan ini menunjukkan adanya trade-off antararngranularitas topik dan tingkat noise, di mana UMAP menghasilkan topik lebih rincirndengan noise lebih terkendali. Topik dominan meliputi pungutan liar, pajak danrncukai, rokok ilegal, serta respons publik terhadap kebijakan. Secara keseluruhan,rnmetode Top2Vec dengan tuning adaptif efektif dalam memodelkan opini publikrnpada data komentar yang tidak terstruktur dan memberikan kontribusi dalamrnmeningkatkan kualitas pemodelan topik.