UNESAUNESA

Journal of Digital Business and Innovation ManagementJournal of Digital Business and Innovation Management

Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap pemboikotan produk pro-Israel di media sosial menggunakan machine learning. Data dikumpulkan melalui crawling pada tweet dan komentar Instagram, kemudian diproses melalui tahapan preprocessing seperti cleaning, tokenizing, normalize, stopword removal, dan stemming. Analisis dilakukan menggunakan empat algoritma machine learning, yaitu Naïve Bayes, Support Vector Machine (SVM), K-Nearest Neighbor (KNN), dan Decision Tree. Hasil penelitian menunjukkan bahwa SVM memberikan akurasi tertinggi dalam klasifikasi sentimen. Sentimen positif berupa dukungan terhadap gerakan boikot sebagai solidaritas kemanusiaan terhadap Palestina, sedangkan sentimen negatif mencakup pandangan bahwa gerakan ini tidak efektif dan berpotensi merugikan perekonomian. Perbandingan media sosial menunjukkan bahwa Twitter, dengan sifatnya yang real-time, cenderung menghadirkan respons cepat, emosional, dan berbasis argumen. Sebaliknya, Instagram lebih berfokus pada konten visual seperti infografis dan video pendek, dengan diskusi yang lebih pasif di kolom komentar. Penelitian ini menunjukkan bahwa analisis sentimen di media sosial dapat menjadi alat penting bagi bisnis untuk memahami persepsi masyarakat terhadap isu sensitif, mendeteksi potensi krisis, dan merancang strategi komunikasi yang lebih efektif.

Berdasarkan analisis, sentimen publik terhadap boikot produk pro-Israel di media sosial menunjukkan kecenderungan positif, baik di Twitter maupun Instagram.SVM terbukti menjadi algoritma yang paling akurat dalam mengklasifikasikan sentimen.Temuan ini mengindikasikan adanya dukungan kuat terhadap gerakan boikot sebagai bentuk solidaritas kemanusiaan, meskipun terdapat pula pandangan negatif terkait efektivitas dan dampak ekonominya.Pemanfaatan analisis sentimen ini dapat menjadi strategi berharga bagi bisnis untuk memahami opini publik dan merespons isu sensitif secara efektif.

Berdasarkan penelitian ini, terdapat beberapa saran penelitian lanjutan yang dapat dikembangkan. Pertama, penelitian selanjutnya dapat memperluas cakupan analisis sentimen dengan memasukkan platform media sosial lain seperti TikTok dan Facebook, guna mendapatkan gambaran yang lebih komprehensif mengenai opini publik. Kedua, penelitian dapat menggali lebih dalam faktor-faktor yang memengaruhi sentimen publik terhadap boikot produk pro-Israel, seperti pengaruh tokoh masyarakat, kampanye media, atau peristiwa geopolitik terkini. Ketiga, penelitian dapat mengeksplorasi dampak jangka panjang dari gerakan boikot terhadap kinerja keuangan perusahaan-perusahaan yang terkait dengan Israel, serta strategi adaptasi yang dapat diambil oleh perusahaan-perusahaan tersebut untuk mempertahankan pangsa pasar dan reputasi merek. Dengan menggabungkan ketiga saran ini, diharapkan dapat memberikan pemahaman yang lebih mendalam tentang dinamika sentimen publik dan implikasinya terhadap bisnis di tengah isu geopolitik yang sensitif.

  1. Perbandingan Algoritma Support Vector Machine, Decision Tree, dan Logistic Regresion Pada Analisis Sentimen... doi.org/10.25077/TEKNOSI.v10i2.2024.110-117Perbandingan Algoritma Support Vector Machine Decision Tree dan Logistic Regresion Pada Analisis Sentimen doi 10 25077 TEKNOSI v10i2 2024 110 117
  2. Wayback Machine. wayback machine doi.org/10.52160/ejmm.v3i6.244Wayback Machine wayback machine doi 10 52160 ejmm v3i6 244
  3. Analisis Sentimen Publik Pada Twitter Terhadap Boikot Produk Israel Menggunakan Metode Naïve Bayes... doi.org/10.59603/niantanasikka.v2i1.240Analisis Sentimen Publik Pada Twitter Terhadap Boikot Produk Israel Menggunakan Metode Nayve Bayes doi 10 59603 niantanasikka v2i1 240
Read online
File size404.84 KB
Pages12
DMCAReport

Related /

ads-block-test