ANALISIS SENTIMEN PENGGUNA MEDIA SOSIAL X TERHADAP KONFLIK BERKEPANJANGAN PALESTINA DENGAN ISRAEL

• MUHAMMAD SAIPUL BAHRI

---

ABSTRAK

Konflik berkepanjangan Palestina dengan Israel memicu opini berbagai lapisan masyarakat di seluruh dunia, mulai dari opini positif, negatif, atau netral, khususnya di media sosial X yang bersifat Internasional. Media sosial ini mengutamakan sharing pemikiran liar para penggunanya melalui post. Tujuan penelitian ini yakni untuk mengenali sentimen yang diekspresikan oleh pengguna X terhadap konflik tersebut. Hal tersebut untuk mengukur intensitas perasaan yang disampaikan dalam data teks. Dataset berjumlah 150 yang diambil dari media sosial X, meliputi 50 postingan tiap kata kuncinya. Kata kuncinya yakni Palestina, Israel, dan Palestine Israel War. Analisis sentimennya memakai WEKA, dengan menerapkan metode Trees Classifier dan test-mode menggunakan 10-fold cross validation. Attributesnya yakni attribute akun yang memiliki label centang-biru serta tidak, dan attribute sentimen yang memiliki label positif, netral, serta negatif. Hasilnya menunjukkan pada attribute akun, akun yang mempunyai centang biru sebesar 78 akun dan yang tidak sebanyak 72 akun. Lalu pada attribute sentimen hasilnya antara lain sentimen positif sebesar 81, sentiment netral sebesar 15, dan sentimen negatif sebesar 54. Berdasarkan hasil tersebut dapat disimpulkan pengguna media sosial X yang memposting dengan memakai #palestina, #israel, dan #palestineisraelwar, cenderung melihat konflik berkepanjangan Palestina dengan Israel atas sentimen yang positif, agar kedepannya mereka dapat menemukan solusi yang baik dari kedua belah pihak dan sentimen tersebut didominasi oleh akun yang memiliki centang biru, yang tentunya memiliki dampak signifikan.

KATA KUNCI

Media sosial X,Post,Dataset,WEKA,Trees classifier

---

DAFTAR PUSTAKA

[1] Chris McGreal, “What are the roots of the Israel-Palestine conflict?” The Guardian, 2023.

[2] 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. 2021.

[3] Cindy Mutia Annur, “Penduduk Israel dan Palestina Terus Meningkat Seiring Konflik 3 Dekade Terakhir,” databoks.

[4] Qommarria Rostanti, “Twitter Berubah Nama Jadi X, Istilah Tweet Ganti Jadi Post,” https://ameera.republika.co.id/berita/rypkl4425/twitter-berubah-namajadi-x-istilah-tweet-ganti-jadi-post.

[5] L. Ardiani, H. Sujaini, and T. Tursina, “Implementasi Sentiment Analysis Tanggapan Masyarakat Terhadap Pembangunan di Kota Pontianak,” Jurnal Sistem dan Teknologi Informasi (Justin), vol. 8, no. 2, p. 183, Apr. 2020, doi: 10.26418/justin.v8i2.36776.

[6] G. A. Buntoro, “Analisis Sentimen Calon Gubernur DKI Jakarta 2017 Di Twitter,” 2017. [Online]. Available: https://t.co/jrvaMsgBdH

[7] A. Aditya and A. Wibowo, “Analisis Sentimen Menggunakan Metode Naïve Bayes Berdasarkan Opini Masyarakat Dari Twitter Terhadap Perang Rusia dan Ukraina Sentiment Analysis Using Naïve Bayes Method Based On Public Opinion From Twitter On The Russia And Ukraine War,” 2022. [Online]. Available: https://senafti.budiluhur.ac.id/index.php/

[8] F. V. Sari and A. Wibowo, “ANALISIS SENTIMEN PELANGGAN TOKO ONLINE JD.ID MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER BERBASIS KONVERSI IKON EMOSI,” Jurnal SIMETRIS, vol. 10, no. 2, 2019.

[9] Alifia Seftin Oktriwina, “NLP: Kecerdasan Buatan yang Bantu Komputer Pahami Bahasa Manusia,” https://glints.com/id/lowongan/natural-languageprocessing-adalah/.

[10] Febrian Fahusni Artikel ini telah tayang di Selular.id Pertumbuhan Fenomenal Pengguna Aktif X Twitter hingga Puncak Tertinggi di 2023 | Selular.ID, “Pertumbuhan Fenomenal Pengguna Aktif X Twitter hingga Puncak Tertinggi di 2023 Artikel ini telah tayang di Selular.id Pertumbuhan Fenomenal Pengguna Aktif X Twitter hingga Puncak Tertinggi di 2023 | Selular.ID,” selular.id.

[11] Bayu Ardi Isnanto, “Kenapa Twitter Jadi X? Ini Penjelasan dan Perubahan Fiturnya,” https://inet.detik.com/cyberlife/d-6869515/kenapa-twitter-jadi-xini-penjelasan-dan-perubahan-fiturnya.

[12] S. O. Mahdi and M. Rizki, “ANALISIS SENTIMEN TERHADAP PRODUK OTOMOTIF DARI TWITTER MENGGUNAKAN KOMBINASI ALGORITMA K-NEAREST NEIGHBOR DAN PENDEKATAN LEXICON (STUDI KASUS: MOBIL TOYOTA).”

[13] N. M. I. R. Maulana Ardhiansyah, DATA MINING DAN IMPLEMENTASINYA UNTUK KLASIFIKASI LOYALITAS PELANGGAN. Pascal Books, 2022.

[14] J. Homepage, A. Roihan, P. Abas Sunarya, and A. S. Rafika, “IJCIT (Indonesian Journal on Computer and Information Technology) Pemanfaatan Machine Learning dalam Berbagai Bidang: Review paper,” 2019.

[15] D. Bidang Kesehatan Fangatulo Dodo Telaumbanua, P. Hulu, T. Zulfiter Nadeak, R. Romeo Lumbantong, and A. Dharma, “Penggunaan Machine Learning”.

[16] N. L. P. C. Savitri, R. A. Rahman, R. Venyutzky, and N. A. Rakhmawati, “Analisis Klasifikasi Sentimen Terhadap Sekolah Daring pada Twitter Menggunakan Supervised Machine Learning,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 7, no. 1, Apr. 2021, doi: 10.28932/jutisi.v7i1.3216.

[17] Andrew. B. G. Xiaojin Zhu, Introduction to Semi-Supervised Learning. Springer Nature Switzerland AG, 2022.

[18] F. A. Ibrahim and O. A. Shiba, “Data Mining: WEKA Software ( an Overview ),” 2019. [Online]. Available: www.Suj.sebhau.edu.lyISSN2521-9200

[19] Lembaga Penelitian dan Pengabdian Masyarakat Universitas Medan Area, “Analisis Sentimen (Sentiment Analysis) : Definisi, Tipe dan Cara Kerjanya,” Lembaga Penelitian dan Pengabdian Masyarakat Universitas Medan Area.

[20] A. Witanti, B. Yogyakarta Jl Raya Wates-Jogjakarta, K. Sedayu, K. Bantul, and D. Istimewa Yogyakartalamat, “ANALISIS SENTIMEN MASYARAKAT TERHADAP VAKSINASI COVID-19 PADA MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM),” Jurnal Sistem Informasi dan Informatika (Simika) P-ISSN, vol. 5, pp. 2622–6901, 2022.

[21] T. Setiyorini, S. Tinggi, M. Informatika, D. Komputer, N. Mandiri, and R. S. Wahono, “Penerapan Metode Bagging untuk Mengurangi Data Noise pada Neural Network untuk Estimasi Kuat Tekan Beton,” Journal of Intelligent Systems, vol. 1, no. 1, 2015, [Online]. Available:
http://journal.ilmukomputer.org

[22] Aswini R, “Why Do We Use Decision Trees in Machine Learning?,” https://www.turing.com/kb/importance-of-decision-trees-in-machine-learning

[23] Danang Suryo, “Cara Mendapatkan Uang dari Twitter Resmi, Harus Centang Biru, Follower Minimal 500,” https://www.kompas.tv/saintek/430377/caramendapatkan-uang-dari-twitter-resmi-harus-centang-biru-follower-minimal-
500#:~:text=Syarat%20Daftar%20Program%20Ad%20Revenue,Memiliki%20setidaknya%20500%20pengikut.