ANALISIS SENTIMEN #BOIKOTPRODUKISRAEL DI X KOMPARASI MENGGUNAKAN METODE NAÏVE BAYES DAN RANDOM FOREST

HUTAHAEAN, SEPTHANIA MAITO (2026) ANALISIS SENTIMEN #BOIKOTPRODUKISRAEL DI X KOMPARASI MENGGUNAKAN METODE NAÏVE BAYES DAN RANDOM FOREST. S1 thesis, Universitas Mercu Buana Jakarta - Menteng.

[img] Text (COVER)
41822010114-SEPTHANIA MAITO HUTAHAEAN-01 Cover - SEPTHANIA MAITO HUTAHAEAN.pdf

Download (528kB)
[img] Text (BAB 1)
41822010114-SEPTHANIA MAITO HUTAHAEAN-02 Bab 1 - SEPTHANIA MAITO HUTAHAEAN.pdf
Restricted to Registered users only

Download (124kB)
[img] Text (BAB 2)
41822010114-SEPTHANIA MAITO HUTAHAEAN-03 Bab 2 - SEPTHANIA MAITO HUTAHAEAN.pdf
Restricted to Registered users only

Download (249kB)
[img] Text (BAB 3)
41822010114-SEPTHANIA MAITO HUTAHAEAN-04 Bab 3 - SEPTHANIA MAITO HUTAHAEAN.pdf
Restricted to Registered users only

Download (152kB)
[img] Text (BAB 4)
41822010114-SEPTHANIA MAITO HUTAHAEAN-05 Bab 4 - SEPTHANIA MAITO HUTAHAEAN.pdf
Restricted to Registered users only

Download (345kB)
[img] Text (BAB 5)
41822010114-SEPTHANIA MAITO HUTAHAEAN-06 Bab 5 - SEPTHANIA MAITO HUTAHAEAN.pdf
Restricted to Registered users only

Download (36kB)
[img] Text (DAFTAR PUSTAKA)
41822010114-SEPTHANIA MAITO HUTAHAEAN-08 Daftar Pustaka - SEPTHANIA MAITO HUTAHAEAN.pdf
Restricted to Registered users only

Download (144kB)
[img] Text (LAMPIRAN)
41822010114-SEPTHANIA MAITO HUTAHAEAN-09 Lampiran - SEPTHANIA MAITO HUTAHAEAN.pdf
Restricted to Registered users only

Download (136kB)

Abstract

Media sosial X merupakan platform yang banyak dimanfaatkan masyarakat Indonesia untuk menyampaikan pendapat mengenai berbagai isu sosial dan kemanusiaan, termasuk gerakan #BoikotProdukIsrael. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap gerakan tersebut serta membandingkan performa algoritma Naïve Bayes dan Random Forest dalam melakukan klasifikasi sentimen berbasis teks. Data penelitian diperoleh melalui proses crawling menggunakan Tweet Harvest pada rentang April hingga Oktober 2025. Setelah penghapusan duplikasi, terkumpul 5.896 tweet berbahasa Indonesia yang selanjutnya diproses melalui tahap cleaning, case folding, tokenizing, stopword removal, dan stemming. Dataset dibagi menggunakan teknik stratified sampling menjadi 4.716 tweet untuk data training dan 1.180 tweet untuk data testing. Pelabelan sentimen dilakukan secara manual menggunakan pendekatan berbasis emosi yang mencakup kategori positif, negatif, dan netral. Proses ekstraksi fitur menggunakan metode TF-IDF, sedangkan performa model dievaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa sentimen negatif mendominasi percakapan publik terkait isu boikot produk Israel. Berdasarkan evaluasi model, Random Forest memberikan performa terbaik dengan akurasi sebesar 73,98%, sedangkan Naïve Bayes memperoleh akurasi 66,36%. Perbedaan performa tersebut dipengaruhi oleh variasi bahasa informal pada media sosial serta ketidakseimbangan kelas dalam data. Secara keseluruhan, penelitian ini memberikan gambaran mengenai dinamika emosi publik terhadap isu boikot dan menegaskan bahwa algoritma klasifikasi tradisional tetap relevan untuk analisis sentimen berbasis emosi pada data media sosial. Kata Kunci: Analisis Sentimen, X, Boikot Produk Israel, Naïve Bayes, Random Forest

Item Type: Thesis (S1)
NIM/NIDN Creators: 41822010114
Uncontrolled Keywords: Analisis Sentimen, X, Boikot Produk Israel, Naïve Bayes,Random Forest
Subjects: 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 005 Computer Programmming, Programs, Data/Pemprograman Komputer, Program, Data
600 Technology/Teknologi > 650 Management, Public Relations, Business and Auxiliary Service/Manajemen, Hubungan Masyarakat, Bisnis dan Ilmu yang Berkaitan > 657 Accounting/Akuntansi > 657.8 Accounting for Enterprises Enganged in Specific Kinds of Activities/Akuntansi Usaha yang Bergerak dalam Jenis Kegiatan Tertentu > 657.84 Communications and Entertainment Media/Media Komunikasi dan Hiburan
Divisions: Fakultas Ilmu Komputer > Sistem Informasi
Depositing User: MARISA ANGGRENI BR BANGUN
Date Deposited: 21 Feb 2026 07:27
Last Modified: 21 Feb 2026 07:27
URI: http://repository.mercubuana.ac.id/id/eprint/101080

Actions (login required)

View Item View Item