ANALISIS SENTIMEN PENGGUNA TWITTER (X) TERHADAP PEMBOIKOTAN BRAND PRO-ISRAEL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DENGAN PENDEKATAN SMOTE

HANA PATRICIA MAWARNIE, . (2024) ANALISIS SENTIMEN PENGGUNA TWITTER (X) TERHADAP PEMBOIKOTAN BRAND PRO-ISRAEL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DENGAN PENDEKATAN SMOTE. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (229kB)
	Text BAB 2.pdf Restricted to Registered users only Download (645kB) | Request a copy
	Text BAB 3.pdf Restricted to Registered users only Download (500kB) | Request a copy
	Text BAB 4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB 5.pdf Restricted to Registered users only Download (187kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (276kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (4MB) | Request a copy

Abstract

Konflik Israel – Palestina yang terjadi pada 7 Oktober 2023 berdampak pada aksi pemboikotan brand yang diketahui pro terhadap Israel. Aksi pemboikotan ini dilakukan oleh masyarakat di berbagai negara sebagai bentuk dukungan terhadap Palestina. Twitter atau X, sebagai salah satu media sosial terbesar di dunia, menjadi wadah bagi masyarakat untuk menyuarakan pendapatnya terkait aksi pemboikotan tersebut. Penelitian ini bertujuan untuk menganalisis sentimen pengguna Twitter atau X terhadap aksi pemboikotan brand pro – Israel menggunakan metode Support Vector Machine (SVM) dengan pendekatan SMOTE (Synthetic Minority Oversampling Technique). Metode Support Vector Machine (SVM) merupakan salah satu metode dalam pembelajaran mesin (machine learning) yang digunakan untuk klasifikasi dan regresi. SMOTE merupakan teknik yang digunakan untuk mengatasi ketidakseimbangan data. Data yang digunakan dalam penelitian ini yaitu data tweet berbahasa Indonesia dari tanggal 7 Oktober 2023 sampai dengan 7 April 2024. Data diambil dengan menggunakan teknik crawling data. Hasil penelitian dari pembagian data 80:20, dengan 80% sebagai data latih dan 20% data uji ini menunjukkan bahwa model Support Vector Machine (SVM) kernel polinomial dengan teknik SMOTE memiliki performa yang lebih baik dalam menganalisis sentimen pengguna Twitter atau X terhadap aksi pemboikotan brand pro – Israel dibandingkan dengan model Support Vector Machine (SVM) kernel RBF dan Support Vector Machine (SVM) kernel polinomial tanpa SMOTE, maupun model Support Vector Machine (SVM) kernel RBF dengan teknik SMOTE, dengan nilai akurasi sebesar 98,47%. Kata Kunci: sentimen, boikot, brand, SMOTE, Support Vector Machine. ***** The Israel-Palestine conflict that occurred on October 7, 2023, resulted in a boycott of brands known to be pro-Israel. This boycott was carried out by people in various countries as a form of support for Palestine. Twitter or X, as one of the largest social media platforms in the world, became a platform for people to voice their opinions regarding the boycott. This study aims to analyze the sentiment of Twitter or X users towards the boycott of pro-Israel brands using the Support Vector Machine (SVM) method with the SMOTE (Synthetic Minority Oversampling Technique) approach. The Support Vector Machine (SVM) method is a machine learning method used for classification and regression. SMOTE is a technique used to overcome data imbalance. The data used in this study is Indonesian-language tweet data from October 7, 2023, to April 7, 2024. The data was collected using data crawling techniques. The results of the study from the 80:20 data split, with 80% as training data and 20% as testing data, show that the Support Vector Machine (SVM) polynomial kernel model with the SMOTE technique has better performance in analyzing the sentiment of Twitter or X users towards the boycott of pro-Israel brands compared to the Support Vector Machine (SVM) RBF kernel model and the Support Vector Machine (SVM) polynomial kernel without SMOTE, as well as the Support Vector Machine (SVM) RBF kernel model with the SMOTE technique, with an accuracy value of 98,47%. Keywords: sentiment, boycott, brand, SMOTE, Support Vector Machine.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Dr. Widodo, M. Kom ; 2). Murien Nugraheni, S.T., M. Cs
Subjects:	Teknologi dan Ilmu Terapan > Teknik Komputer
Divisions:	FT > S1 Pendidikan Teknik Informatika Komputer
Depositing User:	Users 23370 not found.
Date Deposited:	25 Jul 2024 00:28
Last Modified:	25 Jul 2024 00:28
URI:	http://repository.unj.ac.id/id/eprint/46232

Actions (login required)

View Item