REAKSI MEDIA SOSIAL TERHADAP KONFLIK ISRAEL-PALESTINA: PENDEKATAN ANALISIS SENTIMEN DENGAN VADER DAN BERT
Keywords:
Analisis Sentimen, Konflik Israel-Palestina, Twitter, VADER, BERT
Abstract
Konflik Israel-Palestina merupakan salah satu isu geopolitik yang paling sensitif dan berlarut-larut dalam sejarah modern, menarik perhatian masyarakat internasional serta memicu berbagai reaksi di media sosial. Twitter, sebagai salah satu platform utama untuk diskusi publik, mencerminkan opini dan sikap global terhadap isu ini. Penelitian ini bertujuan untuk menganalisis reaksi pengguna Twitter terhadap konflik Israel-Palestina melalui pendekatan analisis sentimen, menggunakan dua model yaitu VADER (Valence Aware Dictionary and Sentiment Reasoner) dan BERT (Bidirectional Encoder Representations from Transformers). Pengujian menghasilkan akurasi sebesar 92% dan menunjukan sentimen positif terhadap Palestina sebagai sentimen yang dominan.
References
[1]. Andriana, H., Shofia Hilabi, S., & Hananto, A. (2023). Penerapan Metode K-Nearest Neighbor pada Sentimen Analisis Pengguna Twitter terhadap KTT G20 di Indonesia. JURIKOM (Jurnal Riset Komputer), 10(1), 60–67. https://doi.org/10.30865/jurikom.v10i1.5427
[2]. Andriawan, M. G., & Ernawati, T. (2024). Penggunaan Algoritma Naïve Bayes Dan Support Vector Machine Untuk Analisis Sentimen Konflik Palestina Dan Israel Pada Platform X. Jurnal Informatika Dan Teknik Elektro Terapan, 12(3), 3222–3230. https://doi.org/10.23960/jitet.v12i3.4943
[3]. Anggraini, N., & Suroyo, H. (2019). Perbandingan Analisis Sentimen Terhadap Digital Payment “ T-cash dan Go-pay” Di Sosial Media Menggunakan Orange Data Mining. Journal of Information Systems and Informatics, 1(1), 152–163. http://journal-isi.org/index.php/isi
[4]. Artanti, P. H. (2023). Penerapan Neural Network Dengan Optimasi Ant Colony Optimization dan Backpropagation untuk Membangun Model Prediksi Diabetes Tahap Awal. Universitas Islam Negeri Maulana Malik Ibrahim Malang.
[5]. Azhar, R., & Wijayanto, M. F. (2024). Analisis Sentimen di Twitter: Mengungkap Persepsi dan Emosi Publik Seputar Konflik Palestina-Israel. Stains (Seminar Nasional …, 3, 118–124. https://proceeding.unpkediri.ac.id/index.php/stains/article/view/4132
[6]. Bahri, M. S., & Kuswanto, H. (2024). Analisis Sentimen Pengguna Media Sosial X Terhadap Konflik Berkepanjangan Palestina Dengan Israel. JIKA (Jurnal Informatika), 8(3), 261. https://doi.org/10.31000/jika.v8i3.10632
[7]. Devlin, J., Chang, M. W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. NAACL HLT 2019 - 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies - Proceedings of the Conference, 1, 4171–4186.
[8]. Edenito, A. (2024). Analisis Sentimen Masyarakat pada Media Sosial Twitter terhadap Saham Syariah Menggunakan Metode Naive bayes Classifier dan Support Vector Machine (SVM). UIN Syarif Hidayatullah Jakarta.
[9]. Faisal, H., Febriandirza, A., & Hasan, F. N. (2024). Analisis Sentimen Terkait Ulasan Pada Aplikasi PLN Mobile Menggunakan Metode Support Vector Machine. KESATRIA: Jurnal Penerapan Sistem Informasi (Komputer & Manajemen), 5(1), 303–312.
[10]. Gumelar, G., Ain, Q., Marsuciati, R., Agustanti Bambang, S., Sunyoto, A., & Syukri Mustafa, M. (2021). Kombinasi Algoritma Sampling dengan Algoritma Klasifikasi untuk Meningkatkan Performa Klasifikasi Dataset Imbalance. SISFOTEK : Sistem Informasi Dan Teknologi, 250–255.
[11]. Hermawanto, A., & Anggrani, M. (2020). Globalisasi, Revolusi Digital Dan Lokalitas : Dinamika Internasional Dan Domestik Di Era Borderless World. In LPPM UPN VY Press.
[12]. Hutto, C. J., & Gilbert, E. (2014). VADER: A Parsimonious Rule-based Model for. Eighth International AAAI Conference on Weblogs and Social Media, 216–225. https://ojs.aaai.org/index.php/ICWSM/article/view/14550
[13]. Khairunnisa, S., Adiwijaya, A., & Faraby, S. Al. (2021). Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19). Jurnal Media Informatika Budidarma, 5(2), 406. https://doi.org/10.30865/mib.v5i2.2835
[14]. Simamora, S. D., Irwiensyah, F., & Hasan, F. N. (2024). Analisis Sentimen Terkait Konflik Palestina-Israel Pada Media Sosial X Menggunakan Algoritma Naïve Bayes Classifier. Building of Informatics, Technology and Science (BITS) Volume 6, 6(1), 146–157. https://doi.org/10.47065/bits.v6i1.5344
[2]. Andriawan, M. G., & Ernawati, T. (2024). Penggunaan Algoritma Naïve Bayes Dan Support Vector Machine Untuk Analisis Sentimen Konflik Palestina Dan Israel Pada Platform X. Jurnal Informatika Dan Teknik Elektro Terapan, 12(3), 3222–3230. https://doi.org/10.23960/jitet.v12i3.4943
[3]. Anggraini, N., & Suroyo, H. (2019). Perbandingan Analisis Sentimen Terhadap Digital Payment “ T-cash dan Go-pay” Di Sosial Media Menggunakan Orange Data Mining. Journal of Information Systems and Informatics, 1(1), 152–163. http://journal-isi.org/index.php/isi
[4]. Artanti, P. H. (2023). Penerapan Neural Network Dengan Optimasi Ant Colony Optimization dan Backpropagation untuk Membangun Model Prediksi Diabetes Tahap Awal. Universitas Islam Negeri Maulana Malik Ibrahim Malang.
[5]. Azhar, R., & Wijayanto, M. F. (2024). Analisis Sentimen di Twitter: Mengungkap Persepsi dan Emosi Publik Seputar Konflik Palestina-Israel. Stains (Seminar Nasional …, 3, 118–124. https://proceeding.unpkediri.ac.id/index.php/stains/article/view/4132
[6]. Bahri, M. S., & Kuswanto, H. (2024). Analisis Sentimen Pengguna Media Sosial X Terhadap Konflik Berkepanjangan Palestina Dengan Israel. JIKA (Jurnal Informatika), 8(3), 261. https://doi.org/10.31000/jika.v8i3.10632
[7]. Devlin, J., Chang, M. W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. NAACL HLT 2019 - 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies - Proceedings of the Conference, 1, 4171–4186.
[8]. Edenito, A. (2024). Analisis Sentimen Masyarakat pada Media Sosial Twitter terhadap Saham Syariah Menggunakan Metode Naive bayes Classifier dan Support Vector Machine (SVM). UIN Syarif Hidayatullah Jakarta.
[9]. Faisal, H., Febriandirza, A., & Hasan, F. N. (2024). Analisis Sentimen Terkait Ulasan Pada Aplikasi PLN Mobile Menggunakan Metode Support Vector Machine. KESATRIA: Jurnal Penerapan Sistem Informasi (Komputer & Manajemen), 5(1), 303–312.
[10]. Gumelar, G., Ain, Q., Marsuciati, R., Agustanti Bambang, S., Sunyoto, A., & Syukri Mustafa, M. (2021). Kombinasi Algoritma Sampling dengan Algoritma Klasifikasi untuk Meningkatkan Performa Klasifikasi Dataset Imbalance. SISFOTEK : Sistem Informasi Dan Teknologi, 250–255.
[11]. Hermawanto, A., & Anggrani, M. (2020). Globalisasi, Revolusi Digital Dan Lokalitas : Dinamika Internasional Dan Domestik Di Era Borderless World. In LPPM UPN VY Press.
[12]. Hutto, C. J., & Gilbert, E. (2014). VADER: A Parsimonious Rule-based Model for. Eighth International AAAI Conference on Weblogs and Social Media, 216–225. https://ojs.aaai.org/index.php/ICWSM/article/view/14550
[13]. Khairunnisa, S., Adiwijaya, A., & Faraby, S. Al. (2021). Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19). Jurnal Media Informatika Budidarma, 5(2), 406. https://doi.org/10.30865/mib.v5i2.2835
[14]. Simamora, S. D., Irwiensyah, F., & Hasan, F. N. (2024). Analisis Sentimen Terkait Konflik Palestina-Israel Pada Media Sosial X Menggunakan Algoritma Naïve Bayes Classifier. Building of Informatics, Technology and Science (BITS) Volume 6, 6(1), 146–157. https://doi.org/10.47065/bits.v6i1.5344
Published
2024-12-21
Section
Articles
_.png)
.png)
