Penerapan Naive Bayes Untuk Analisis Opini Publik Indonesia Terhadap Gencatan Senjata Di Palestina
Article Sidebar
Main Article Content
Abstract
Penelitian ini bertujuan untuk mengetahui seperti apa pendapat masyarakat Indonesia terhadap isu gencatan senjata di Palestina dengan menganalisis data dari media sosial X (dulu Twitter). Data dikumpulkan menggunakan teknik web scraping, kemudian dianalisis menggunakan algoritma Naive Bayes dan diproses melalui perangkat lunak Orange Data Mining.Hasil analisis menunjukkan bahwa sebagian besar masyarakat Indonesia memiliki sentimen positif terhadap gencatan senjata, yang mencerminkan dukungan terhadap perdamaian. Model Naive Bayes yang digunakan mampu mengklasifikasikan data dengan cukup baik, dengan nilai AUC sebesar 91,5%, akurasi dan F1-score sebesar 73,4%, serta MCC sebesar 60,2%.Meskipun data hanya berasal dari media sosial dan belum tentu mewakili semua lapisan masyarakat, penelitian ini memberikan gambaran awal tentang opini publik terhadap isu Palestina. Ke depannya, penelitian dapat diperluas dengan jumlah data yang lebih besar dan kata kunci yang lebih beragam agar hasilnya lebih akurat dan menyeluruh.
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
H. Irsyad and A. Taqwiym, “Sentimen Analisis Masyarakat Terhadap Rakyat Palestina dengan Klasifikasi Naive Bayes,” JTECS J. Sist. Telekomun. Elektron. Sist. Kontrol Power Sist. Komput., vol. 1, no. 2, pp. 167–176, 2021.
gigih ,putra Kawani, “Journal of Informatics, Information System, Software Engineering and Applications,” J. Informatics, Inf. Syst. Softw. Eng. Appl., vol. 1, no. 2, pp. 73–081, 2019.
B. J. Manurung, B. P. Zen, Y. Setiya, R. Nur, R. C. Felle, and E. A. Firdaus, “Analisis Sentimen Pengguna Twitter terhadap Konflik Rusia- Ukraina Menggunakan Naïve Bayes dan Lexicon Based Features,” vol. 4, pp. 8–16, 2025.
B. M. Simanjorang et al., “Pengaruh Konflik Palestina Dengan Israel Terhadap Gerakan Perlawanan Hamas dan Dampaknya Bagi Indonesia,” Mediat. J. Law, vol. 2, no. 2, pp. 24–30, 2023, [Online]. Available: http://www.nber.org/papers/w16019
P. T. Wijayanti and D. B. Kharisma, “Web Scraping dalam Aplikasi ChatGPT oleh Chatbot Berbasis Artificial Intelligence Berdasarkan Undang-Undang Nomor 28 Tahun 2014 Tentang Hak Cipta,” Souvereignty, vol. 3, no. 2, pp. 114–121, 2024, [Online]. Available: https://botpress.com/id/blog/does-chatgpt-
M. G. Andriawan and T. Ernawati, “Penggunaan Algoritma Naïve Bayes Dan Support Vector Machine Untuk Analisis Sentimen Konflik Palestina Dan Israel Pada Platform X,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, pp. 3222–3230, 2024, doi: 10.23960/jitet.v12i3.4943.
M. A. Djamaludin, A. Triayudi, and E. Mardiani, “Analisis Sentimen Tweet KRI Nanggala 402 di Twitter menggunakan Metode Naïve Bayes Classifier,” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 6, no. 2, pp. 161–166, 2022, doi: 10.35870/jtik.v6i2.398.
B. Ramadhani and R. R. Suryono, “Komparasi Algoritma Naïve Bayes dan Logistic Regression Untuk Analisis Sentimen Metaverse,” J. Media Inform. Budidarma, vol. 8, no. 2, p. 714, 2024, doi: 10.30865/mib.v8i2.7458.
M. F. Saleh and R. Imanda, “Public Sentiment Analysis of the Free Meal Program : A Comparison of Naive Bayes and Support Vector Machine Methods on the Twitter ( X ) Social Media Platform,” vol. 9, no. 1, pp. 131–139, 2025.
P. G. Dewata, A. Rizky, and H. Irsyad, “Analisis Sentimen Terhadap Boikot Produk Israel Menggunakan Algoritma Naive Bayes Dan SMOTE,” J. Rein (Rekayasa Inform., vol. 1, no. 1, pp. 7–15, 2024.