Analisis Sentimen Terhadap Boikot Produk Israel Menggunakan Algoritma Naive Bayes Dan SMOTE
Kata Kunci:
Konflik Palestina-Israel, Masyarakat Indonesia, Aksi Boikot, Sentimen, Naive Bayes, SMOTEAbstrak
Konflik yang terjadi antara Palestina dan Israel yang sudah terjadi selama kurang lebih 6 dekade, memicu reaksi beragam yang luas di berbagai negara. Reaksi yang dilakukan oleh masyarakat Indonesia yaitu Aksi Boikot Produk yang terafiliasi dengan negara Israel sebagai bentuk solidaritas dan protes moral terhadap konflik yang berkepanjangan ini. Penelitian ini dilakukan untuk menganalisa sentimen masyarakat Indonesia terhadap Aksi Boikot ini pada platform berbagi video YouTube Shorts. Analisis Sentimen yang dilakukan pada penelitian ini menggunakan algoritma Naive Bayes serta teknik preprocessing text yaitu teknik SMOTE dengan data komentar publik sebanyak 2433 data. Hasil akhir menunjukkan bahwa Algoritma Naive Bayes memiliki tingkat keefektifan yang tinggi dalam memprediksi sentimen pada teks komentar dengan akurasi mencapai 94%. Tingkat akurasi tersebut dapat dicapai yaitu model algoritma dilatih dengan pembagian data 60% data training dan 40% data testing.
Referensi
O. : Mohd, R. Mohd, and N. Abstrak, “KONFLIK ISRAEL-PALESTIN DARI ASPEK SEJARAH MODEN DAN LANGKAH PEMBEBASAN DARI CENGKAMAN ZIONIS.”
M. F. Millenio, “How the Judgement Effective? The Role of United Nations in Conflict Resolution Between Palestine and Israel,” The Digest: Journal of Jurisprudence and Legisprudence, vol. 2, no. 2, pp. 197–230, 2021.
M. Wendra and A. Sutrisno, “Tantangan Penyelesaian Konflik Internasional yang Dilematik mengenai Hak Veto dalam Dewan Keamanan PBB (Studi kasus Palestina dengan Israel) ARTICLE HISTORY,” Journal of Contemporary Law Studies, no. 2, pp. 171–180, 2024, doi: 10.47134/lawstudies.v2i2.2373.
B. Liu, “Sentiment Analysis and Subjectivity.”
A. T. Susilawati, N. A. Lestari, and P. A. Nina, "Analisis Sentimen Publik Pada Twitter Terhadap Boikot Produk Israel Menggunakan Metode Naïve Bayes," Nian Tana Sikka: Jurnal Ilmiah Mahasiswa, vol. 2, no. 1, pp. 26-35, 2024.
N. F. Az-haari, D. Juardi, and A. Jamaludin, "Analisis Sentimen Terhadap Boikot Brand Pro-Israel pada Twitter Menggunakan Metode Naïve Bayes," JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 3, pp. 4256-4261, 2024.
L. A. Hayurian and N. Hendrastuty, “COMPARISON OF NAÏVE BAYES ALGORITHM AND SUPPORT VECTOR MACHINE IN SENTIMENT ANALYSIS OF BOYCOTT ISRAELI PRODUCTS ON TWITTER,” vol. 5, no. 3, pp. 731–738, 2024, doi: 10.52436/1.jutif.2024.5.3.1813.
M. N. Huda, D. A. Fauzan, M. R. S. P. Pamungkas, N. S. Ratnadewi, and A. A. Vahendra, “Optimalisasi Model Klasifikasi Sentimen Netizen Terhadap Merek Tas Luar Negeri,” Jurnal KomtekInfo, pp. 21–28, Mar. 2023, doi: 10.35134/komtekinfo.v10i1.360.
E. Kontopoulos, C. Berberidis, T. Dergiades, and N. Bassiliades, “Ontology-based sentiment analysis of twitter posts,” Expert Syst Appl, vol. 40, no. 10, pp. 4065–4074, Aug. 2013, doi: 10.1016/j.eswa.2013.01.001.
C. Alifia Putri and S. Al Faraby, “Analisis Sentimen Review Film Berbahasa Inggris Dengan Pendekatan Bidirectional Encoder Representations from Transformers,” vol. 6, no. 2, pp. 181–193, 2020, [Online]. Available: http://jurnal.mdp.ac.id
R. Noviana and I. Rasal B A Jurusan, “PENERAPAN ALGORITMA NAIVE BAYES DAN SVM UNTUK ANALISIS SENTIMEN BOY BAND BTS PADA MEDIA SOSIAL TWITTER,” JTS, vol. 2, no. 2.
A. C. Khotimah and E. Utami, “COMPARISON NAÏVE BAYES CLASSIFIER, K-NEAREST NEIGHBOR AND SUPPORT VECTOR MACHINE IN THE CLASSIFICATION OF INDIVIDUAL ON TWITTER ACCOUNT,” Jurnal Teknik Informatika (JUTIF), vol. 3, no. 3, 2022, doi: 10.20884/1.jutif.2022.3.3.254.
N. Hendrastuty, A. Rahman Isnain, and A. Yanti Rahmadhani, “Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine,” vol. 6, no. 3, 2021, [Online]. Available: http://situs.com
N. Saputra, T. B. Adji, and A. E. Permanasari, “ANALISIS SENTIMEN DATA PRESIDEN JOKOWI DENGAN PREPROCESSING NORMALISASI DAN STEMMING MENGGUNAKAN METODE NAIVE BAYES DAN SVM Oleh,” 2015.
M. I. Fikri, T. S. Sabrila, and Y. Azhar, “Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter,” SMATIKA JURNAL, vol. 10, no. 02, pp. 71–76, Dec. 2020, doi: 10.32664/smatika.v10i02.455.
V. Ibrahim, J. A. Bakar, N. H. Harun, and A. F. Abdulateef, “A word cloud model based on hate speech in an online social media environment,” Baghdad Science Journal, vol. 18, pp. 937–946, Jun. 2021, doi: 10.21123/bsj.2021.18.2(Suppl.).0937.
B. K. Hananto, A. Pinandito, and A. P. Kharisma, “Penerapan Maximum TF-IDF Normalization Terhadap Metode KNN Untuk Klasifikasi Dataset Multiclass Panichella Pada Review Aplikasi Mobile,” 2018. [Online]. Available: http://j-ptiik.ub.ac.id
Hermanto, A. Y. Kuntoro, T. Asra, E. B. Pratama, L. Effendi, and R. Ocanitra, “Gojek and Grab User Sentiment Analysis on Google Play Using Naive Bayes Algorithm and Support Vector Machine Based Smote Technique,” in Journal of Physics: Conference Series, IOP Publishing Ltd, Nov. 2020. doi: 10.1088/1742-6596/1641/1/012102.
A. Z. Amrullah, A. Sofyan Anas, M. Adrian, and J. Hidayat, “Analisis Sentimen Movie Review Menggunakan Naive Bayes Classifier Dengan Seleksi Fitur Chi Square,” Jurnal, vol. 2, no. 1, 2020, doi: 10.30812/bite.v2i1.804.
H. Yun, “Prediction model of algal blooms using logistic regression and confusion matrix,” International Journal of Electrical and Computer Engineering, vol. 11, no. 3, pp. 2407–2413, Jun. 2021, doi: 10.11591/ijece.v11i3.pp2407-2413.
R. Merdiansah and A. Ali Ridha, “Analisis Sentimen Pengguna X Indonesia Terkait Kendaraan Listrik Menggunakan IndoBERT,” Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI, vol. 7, no. 1, pp. 221–228, 2024.
D. Valero-Carreras, J. Alcaraz, and M. Landete, “Comparing two SVM models through different metrics based on the confusion matrix,” Comput Oper Res, vol. 152, Apr. 2023, doi: 10.1016/j.cor.2022.106131.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Jurnal Rekayasa Informatika
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
