Analisis Sentimen di Twitter: Mengungkap Persepsi dan  Emosi Publik Seputar Konflik Palestina-Israel

Rizki Azhar; Muhammad Farid  Wijayanto

doi:10.29407/stains.v3i1.4132

Authors

Rizki Azhar Universitas Nusantara PGRI Kediri
Muhammad Farid Wijayanto Universitas Nusantara PGRI Kediri

DOI:

https://doi.org/10.29407/stains.v3i1.4132

Keywords:

Analisis Sentimen, Israel, Konflik, NLP, Palestine

Abstract

Konflik yang terjadi antara Palestina dan Israel masih menjadi konflik yang belum terselesaikan hingga saat ini. Konflik dimulai dengan berdirinya negara Israel yang diakui PBB pada tahun 1948 di tanah yang sebelumnya dikuasai Inggris, dan konflik dimulai dengan serangan negara-negara Arab terhadap Israel dan memprovokasi perang. Mayoritas penduduk Palestina beragama Islam dan mendapat dukungan dari negara-negara Timur Tengah dan mayoritas penduduknya beragama Islam. Terlebih lagi, Israel terus berjuang dalam konflik ini dengan dukungan negara-negara Barat. Opini publik merupakan sumber informasi penting untuk membentuk opini mengenai konflik ini. Analisis sentimen terhadap data media sosial seperti tweet adalah metode yang berguna untuk mengubah sejumlah besar data menjadi informasi yang berguna. Analisis sentimen menggunakan pemrosesan bahasa alami (NLP) membantu memahami emosi dan mengkategorikannya sebagai positif atau negatif, memberikan informasi penting untuk evaluasi merek, evaluasi, dan penyaringan opini yang mendukung perusahaan dan masyarakat. Indonesia adalah negara yang menjunjung tinggi perdamaian sesuai pembukaan UUD 1945,tetapi masyarakat terus memperdebatkan konflik antara Palestina dan Israel.

Downloads

Download data is not yet available.

References

Muhammad Jamaluddin and Erik Ilham Habibillah, “Pengaruh Kebijakan Perserikatan Bangsa-Bangsa (Pbb) Dalam Konflik Palestina-Israel,” J. Tapis Teropong Aspir. Polit. Islam, vol. 19, no. July, pp. 1–23, 2020.

Hendrastuty, N., Isnain, A. R., & Rahmadhani, A. Y. (2021). Analisis Sentimen Masyaraka Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine. Jurnal Informatika.

A. Surahman, “PENGEMBANGAN MARKET SEGMENTASI UNTUK MENCAPAI KEUNGGULAN BERSAING PADA E-MARKETPLACE,” J. Komput. dan Inform., vol. 15, no. 1, pp. 118–126, 2020.

R. Tineges, A. Triayudi, and I. D. Sholihati, “Analisis Sentimen Terhadap Layanan Indihome Berdasarkan Twitter Dengan Metode Klasifikasi Support Vector Machine (SVM),” J. Media Inform. Budidarma, vol. 4, no. 3, p. 650, 2020, doi: 10.30865/mib.v4i3.2181.

A. Putra, D. Haeirudin, H. Khairunnisa, and R. Latifah, “Analisis Sentimen Masyarakat Terhadap Kebijakan PPKM Pada Media Sosial Twitter Menggunakan Algoritma SVM,” Semin. Nas. Sains dan Teknol. 2021, no. November, pp. 1–6, 2021.

N. Fitriyah, B. Warsito, and D. A. I. Maruddani, “Analisis Sentimen Gojek Pada Media Sosial Twitter Dengan Klasifikasi Support Vector Machine (Svm,” J. Gaussian, vol. 9, no. 3, pp. 376–390, 2020, doi: 10.14710/j.gauss.v9i3.28932.

F. D. Ananda and Y. Pristyanto, “Analisis Sentimen Pengguna Twitter Terhadap Layanan Internet Provider Menggunakan Algoritma Support Vector Machine,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 20, no. 2, pp. 407–416, 2021, doi: 10.30812/matrik.v20i2.1130.

M. I. Fikri, T. S. Sabrila, Y. Azhar, and U. M. Malang, “Comparison of the Naïve Bayes Method and Support Vector Machine on Twitter Sentiment Analysis,” SMATIKA J. STIKI Inform. J., vol. 10, no. 2, pp. 71–76, 2020.

M. A. Reinfeld, “a C Ase S Tudy of the Grp 5000,” Technology, vol. 5, no. 3123, pp. 548–554, 2011.