Analisis Sentimen terhadap Gerakan Boikot di X #Boycott Menggunakan Support Vector Machine
DOI:
https://doi.org/10.33795/jip.v11i4.7378Keywords:
media sosial, sentimen, boycott, support vector machine, TF-IDF, SMOTEAbstract
Media sosial, khususnya platform X (sebelumnya dikenal sebagai Twitter), telah menjadi ruang utama bagi masyarakat untuk menyuarakan pandangan terkait isu-isu sosial, politik, dan ekonomi. Salah satu fenomena menonjol adalah gerakan boycott yang disuarakan melalui tagar seperti #Boycott, sebagai bentuk protes kolektif terhadap entitas yang dianggap bertentangan dengan nilai atau kepentingan publik. Dalam konteks konflik geopolitik, seperti ketegangan yang melibatkan Israel, tagar ini sering kali menjadi pusat diskusi daring yang intens. Penelitian ini bertujuan untuk mengkaji dinamika diskusi, kecenderungan sentimen, dan emosi yang muncul dalam wacana digital terkait boycott terhadap produk yang terafiliasi dengan Israel. Metode yang digunakan dalam penelitian ini adalah klasifikasi sentimen menggunakan algoritma Support Vector Machine (SVM). Dataset yang digunakan dikumpulkan melalui proses crawling terhadap tagar-tagar terkait gerakan boycott selama bulan Januari-April 2025, yang mencakup berbagai percakapan publik di platform X. Hasil pengujian menunjukkan bahwa model SVM mampu mengklasifikasikan data dengan tingkat akurasi mencapai 94%, dimana data uji berhasil diklasifikasikan dengan benar ke dalam tiga kelas sentimen: pro, netral, dan kontra. Hal ini menandakan bahwa model cukup andal dalam mengidentifikasi sentimen masyarakat. Penelitian ini menunjukkan bahwa algoritma SVM efektif dalam mengidentifikasi dan mengelompokkan sentimen masyarakat terhadap gerakan boycott di media sosial. Penelitian ini diharapkan dapat menjadi kontribusi awal dalam pemanfaatan machine learning untuk menganalisis respon publik terhadap isu-isu sosial dan kemanusiaan melalui platform digital.
Downloads
References
Afandi, R. B., Nurdiansyah, T. F., Ramadhani, A. N., & Sari, A. P. (2024). Implementasi Support Vector Machine untuk Analisis Sentimen Aplikasi “Mpstore - Super App UMKM.” Jurnal Informatika Polinema, 10(4), 565–570. https://doi.org/10.33795/jip.v10i4.5427
Alifa, C. F., & Alita, D. (2024). Analisis Opini Publik Tentang Boikot Produk Pro-Israel di Twitter Berbahasa Indonesia Menggunakan Metode SVM. Jurnal Informatika: Jurnal Pengembangan IT, 9(2), 112–120. https://doi.org/10.30591/jpit.v9i2.6559
Arif Widiasan Subagio, Anggraini Puspita Sari, & Andreas Nugroho Sihananto. (2024). Klasifikasi Lexicon-Based Sentiment Analysis Tragedi Kanjuruhan pada Twitter Menggunakan Algoritma Convolutional Neural Network. Jurnal Ilmiah Sistem Informasi Dan Ilmu Komputer, 4(1), 166–177. https://doi.org/10.55606/juisik.v4i1.759
Arsi, P., & Waluyo, R. (2021). Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM). Jurnal Teknologi Informasi Dan Ilmu Komputer, 8(1), 147. https://doi.org/10.25126/jtiik.0813944
Ashari, S. A., Saputra, M. W. A., Larosa, E., & Rijal, B. S. (2023). Analisis Sentimen pada Aplikasi Translate Google Menggunakan Metode SVM (Studi Kasus: Komentar Pada Playstore). Jurnal Teknik, 21(2), 168–182. https://doi.org/10.37031/jt.v21i2.412
Aziz, A. (2022). Analisis Sentimen Identifikasi Opini Terhadap Produk, Layanan dan Kebijakan Perusahaan Menggunakan Algoritma TF-IDF dan SentiStrength. Jurnal Sains Komputer & Informatika (J-SAKTI, 6(1), 115. https://doi.org/http://dx.doi.org/10.30645/j-sakti.v6i1.430
Fitri, F. A., & Ulmuftia, N. (2025). Peran Media Sosial dalam Mendorong Perilaku Konsumen terhadap Boikot Produk Israel. 5(2), 72–81. https://doi.org/https://doi.org/10.31764/jseit.v5i2.30659
Gifari, O. I., Adha, M., Freddy, F., & Durrand, F. F. S. (2022). Film Review Sentiment Analysis Using TF-IDF and Support Vector Machine. Journal of Information Technology, 2(1), 36–40. https://doi.org/https://doi.org/10.46229/jifotech.v2i1.330
Hariyanto, M., Kholiq, M., Yani, A., & Narti. (2020). Inti nusa mandiri. Inti Nusa Mandiri, 14(2), 133–138. https://doi.org/https://doi.org/10.33480/inti.v19i2.6297
Hendrastuty, N., Rahman Isnain, A., & Yanti Rahmadhani, A. (2021). Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine. Jurnal Informatika: Jurnal Pengembangan IT, 6(3), 150–155. https://doi.org/https://doi.org/10.30591/jpit.v6i3.2870
Idris Siregar, Dinar Maliki, & Fakhrurrozi Nasution. (2024). Jihad Ekonomi Dalam Perspektif Hadis: Tinjauan Terhadap Gerakan Boikot Produk Israel Sebagai Dukungan Terhadap Palestina. MUQADDIMAH: Jurnal Ekonomi, Manajemen, Akuntansi Dan Bisnis, 2(3), 181–192. https://doi.org/10.59246/muqaddimah.v2i3.938
Merdiansah, R., & Ali Ridha, A. (2024). Sentiment Analysis of Indonesian X Users Regarding Electric Vehicles Using IndoBERT. Jurnal Ilmu Komputer Dan Sistem Informasi (JIKOMSI, 7(1), 221–228. https://doi.org/https://doi.org/10.55338/jikomsi.v7i1.2895
Munandar, A., Yaasin, M. S., & Firdaus, R. A. (2023). Analisis Sentimen Netizen Indonesia Mengenai Boikot Produk. Journal of Islamic Banking and Economics, 3(1), 23–40. https://doi.org/https://doi.org/10.15408/thd.v3i1.37381
Permata Aulia, T. M., Arifin, N., & Mayasari, R. (2021). Perbandingan Kernel Support Vector Machine (Svm) Dalam Penerapan Analisis Sentimen Vaksinisasi Covid-19. SINTECH (Science and Information Technology) Journal, 4(2), 139–145. https://doi.org/10.31598/sintechjournal.v4i2.762
PS, A., Nugroho Sihananto, A., & Arman Prasetya, D. (2022). Implementasi Metode K-NN dalam Klasterisasi Kasus Kesehatan Jantung. ALINIER: Journal of Artificial Intelligence & Applications, 3(2), 18–21. https://doi.org/10.36040/alinier.v3i2.5761
Ray, S., Das, J., Pande, R., & Nithya, A. (2024). Swati Ray 1 , Joyati Das 2* , Ranjana Pande 3 , and A. Nithya 2. 3, 195–222. https://doi.org/10.1201/9781032622408-13
Saputra, M. R. (2025). Analisis sentimen twitter terhadap konflik di papua menggunakan perbandingan naive bayes dan svm. 10(2), 1197–1208. https://doi.org/https://doi.org/10.29100/jipi.v10i2.6180
Susilawati, A. T., Lestari, N. A., & Nina, P. A. (2024). Analisis Sentimen Publik Pada Twitter Terhadap Boikot Produk Israel Menggunakan Metode Naïve Bayes. Jurnal Ilmiah Mahasiswa, 2(1), 26–35. https://doi.org/10.59603/niantanasikka.v2i1.240
Tantika, R. S., & Kudus, A. (2022). Penggunaan Metode Support Vector Machine Klasifikasi Multiclass pada Data Pasien Penyakit Tiroid. Bandung Conference Series: Statistics, 2(2), 159–166. https://doi.org/10.29313/bcss.v2i2.3590
Tarigan, V. T., & Yusupa, A. (2024). Perbandingan Algoritma Maching Learning dalam Analisis Sentimen Mobil Listrik di Indonesia pada Media Sosial Twitter/X. Jurnal Informatika Polinema, 10(4), 479–490. https://doi.org/10.33795/jip.v10i4.5130
Tinaliah, T., & Elizabeth, T. (2022). Analisis Sentimen Ulasan Aplikasi PrimaKu Menggunakan Metode Support Vector Machine. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 9(4), 3436–3442. https://doi.org/10.35957/jatisi.v9i4.3586
