ANALISIS SENTIMEN AKSI SERUAN BOIKOT PRODUK TERAFILIASI ISRAEL DI TWITTER MENGGUNAKAN ALGORITMA NAÏVE BAYES, K-NEAREST NEIGHBORS, DECISION TREE

• RIFKY CHANDRA OKTAVIAN
• 2024

---

Konflik antara Palestina dan Israel telah berlangsung sejak tahun 1948 dan menjadi salah satu konflik paling kompleks dan berkepanjangan di dunia. Berbagai negara memiliki sikap yang berbeda terhadap konflik ini, termasuk Indonesia yang secara tegas mengutuk serangan Israel dan mendukung kemerdekaan Palestina. Salah satu langkah konkret yang diambil adalah melalui Fatwa MUI No 83 Tahun 2023, yang menghimbau umat Islam untuk menghindari produk yang terafiliasi dengan Israel. Seruan ini mendapat berbagai tanggapan di media sosial Twitter, mulai dari dukungan hingga kritik.

Penelitian ini bertujuan untuk menganalisis sentimen masyarakat Indonesia di Twitter terhadap seruan boikot produk Israel dan mengevaluasi kinerja tiga algoritma machine learning: Naïve Bayes, K-Nearest Neighbors, dan Decision Tree dalam mengklasifikasikan sentimen tersebut. Metode penelitian menggunakan pendekatan kuantitatif dengan data tweet yang dikumpulkan melalui teknik crawling menggunakan alat Tweet-harvest. Data diolah melalui pra-pemrosesan dan dianalisis menggunakan ketiga algoritma yang dievaluasi berdasarkan akurasi, presisi, recall, dan F1-score.

Hasil penelitian menunjukkan bahwa algoritma Decision Tree memiliki kinerja terbaik dengan akurasi 78,26%, diikuti oleh Naïve Bayes dengan akurasi 69,57%, dan K-Nearest Neighbors dengan akurasi 41,52%. Selain itu, analisis menunjukkan bahwa mayoritas masyarakat Indonesia di Twitter mendukung seruan boikot produk Israel, dengan 367 tweet positif dibandingkan dengan 196 tweet netral dan 48 tweet negatif.

Penelitian ini mengonfirmasi hipotesis bahwa terdapat perbedaan signifikan dalam kinerja ketiga algoritma dan bahwa mayoritas masyarakat Indonesia mendukung aksi boikot tersebut. Studi ini memberikan wawasan penting tentang opini publik di media sosial terkait isu politis dan kemanusiaan serta memberikan evaluasi komparatif dari algoritma machine learning dalam analisis sentimen. Saran untuk penelitian berikutnya adalah mengembangkan metode yang lebih canggih dan mempertimbangkan lebih banyak variabel untuk meningkatkan akurasi dan reliabilitas analisis sentimen.

Kata Kunci: Analisis Sentimen, Boikot Produk Israel, Algoritma Machine Learning, Twitter, Palestina-Israel

https://repository.bsi.ac.id/repo/51918/ANALISIS-SENTIMEN-AKSI-SERUAN-BOIKOT-PRODUK--TERAFILIASI-ISRAEL-DI-TWITTER-MENGGUNAKAN--ALGORITMA-NAÏVE-BAYES,-K-NEAREST--NEIGHBORS,-DECISION-TREE
Anda dapat membaca file tugas akhir ini di repository.