Analisis Sentimen Pada Media Sosisal Instagram Terhadap Perang Israel Vs Hamas Menggunakan Metode Naïve Bayes Dan SVM
DOI:
https://doi.org/10.34151/script.v12i1.4806Keywords:
Text Mining, Sentiment Analysis, Naive Bayes Clasifier, Support Vector MachineAbstract
Instagram berperan sebagai platform penting untuk berbagi informasi dan ekspresi opini publik terkait peristiwa dunia, termasuk konflik politik dan sosial seperti perang Israel vs Hamas. Instagram menjadi saluran penting bagi ekspresi opini dan sentimen publik terhadap peristiwa-peristiwa dunia. Sehingga, perlunya analisis terhadap media sosial Instagram tersebut untuk mengetahui tanggapan pengguna berupa positif, negatif atau netral terhadap Perang Israel vs Hamas.Dalam penelitian ini, analisis sentimen terhadap 8427 komentar pengguna Instagram pada akun CNN Indonesia menunjukkan bahwa 52.3% ekspresi negatif, 22.7% positif, dan 25.0% netral. Data penelitian ini diambil dari akun tersebut, dan metode pelabelan melibatkan Lexicon Based dan sentimen analisis pengguna Instagram menggunakan Naive Bayes Classifier, dan Support Vector Machine. Hasilnya menunjukkan mayoritas komentar cenderung negatif, dengan akurasi sekitar 66%, precision 68%, recall 66% dan f1-score 62% untuk Naive Bayes dan akurasi 81%, precision 81%, recall 81%, dan f1-score 81% untuk Support Vector Machine.
References
K. Palestina-israel, “Konflik Palestina-Israel Pecah Lagi , Ini Jumlah Korban Jiwa 16 Tahun Terakhir,” p. 2023, 2023.
A. T. P. Sari, “Konflik Palestina-Israel Pada Masa Intifada II dalam Perspektif Konstruktivisme dan Strategi Politik,” J. ICMES, vol. 6, no. 1, pp. 21–34, 2022, doi: 10.35748/jurnalicmes.v6i1.120.
H. Perang, W. P. Tewas, and S. O.- November, “26 Hari Perang, 8.900 Warga Palestina Tewas,” no. November, p. 2023, 2023.
A. M. Cindy, “Jumlah Pengguna Instagram Indonesia Terbanyak ke-4 di Dunia,” Databoks.Katadata, vol. 2022, p. 1, 2023, [Online]. Available: https://databoks.katadata.co.id/datapublish/2023/05/04/jumlah-pengguna-instagram-indonesia-terbanyak-ke-4-di-dunia
Kartini, J. Syahrina, N. Siregar, and N. Harahap, “Penelitian Tentang Instagram,” Maktab. J. Perpust. dan Inf., vol. 2275, pp. 20–26, 2022, [Online]. Available: https://ummaspul.e-journal.id/RMH/article/view/4466
M. Anderson and B. Auxier, “Social Media Use in 2021,” Pew Res. Cent., no. April, pp. 1–6, 2021, [Online]. Available: https://www.pewresearch.org/internet/2021/04/07/social-media-use-in-2021/
H. Ramanizar, A. Fajri, R. Binsar Sinaga, H. Mubarok, A. D. Pangestu, and D. S. Prasvita, “Analisis Sentimen Pengguna Twitter terhadap Konflik antara Palestina dan Israel Menggunakan Metode Naïve Bayesian Classification dan Support Vector Machine,” Semin. Nas. Mhs. Ilmu Komput. dan Apl. Jakarta-Indonesia, no. September, pp. 166–175, 2021.
H. Zhang and D. Li, “Naïve Bayes Text Classifier,” in 2007 IEEE International Conference on Granular Computing (GRC 2007), 2007, p. 708. doi: 10.1109/GrC.2007.40.
A. Basu, C. Walters, and M. Shepherd, “Support vector machines for text categorization,” in 36th Annual Hawaii International Conference on System Sciences, 2003. Proceedings of the, 2003, pp. 7 pp.-. doi: 10.1109/HICSS.2003.1174243.
S. Hölig and U. Hasebrink, “Reuters Institute Digital News Report 2020,” Reuters Inst. Digit. News Rep. 2020, p. 73, 2020, [Online]. Available: www.leibniz-hbi.de.
Reza Pahlevi, “Ini Media Online Paling Banyak Dikonsumsi Warga Indonesia,” Databoks, p. 2022, 2022, [Online]. Available: https://databoks.katadata.co.id/datapublish/2022/06/16/ini-media-online-paling-banyak-dikonsumsi-warga-indonesia
D. Olson and D. Delen, Advanced Data Mining Techniques. 2008. doi: 10.1007/978-3-540-76917-0.
D. Sartika and D. I. Sensuse, “Perbandingan Algoritma Klasifikasi Naive Bayes, Nearest Neighbour, dan Decision Tree pada Studi Kasus Pengambilan Keputusan Pemilihan Pola Pakaian,” Jatisi, vol. 1, no. 2, pp. 151–161, 2017.
R. W. Pratiwi, S. F. H, D. Dairoh, D. I. Af’idah, Q. R. A, and A. G. F, “Analisis Sentimen Pada Review Skincare Female Daily Menggunakan Metode Support Vector Machine (SVM),” J. Informatics, Inf. Syst. Softw. Eng. Appl., vol. 4, no. 1, pp. 40–46, 2021, doi:10.20895/inista.v4i1.387.
U. Khaira, R. Johanda, P. E. P. Utomo, and T. Suratno, “Sentiment Analysis Of Cyberbullying On Twitter Using SentiStrength,” Indones. J. Artif. Intell. Data Min., vol. 3, no. 1, p. 21, 2020, doi: 10.24014/ijaidm.v3i1.9145.
F. Koto and G. Y. Rahmaningtyas, “Inset lexicon: Evaluation of a word list for Indonesian sentiment analysis in microblogs,” Proc. 2017 Int. Conf. Asian Lang. Process. IALP 2017, vol. 2018-Janua, no. December, pp. 391–394, 2017, doi: 10.1109/IALP.2017.8300625.
