Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Az-haari, Nur Fadhilah
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
ANALISIS SENTIMEN TERHADAP BOIKOT BRAND PRO-ISRAEL PADA TWITTER MENGGUNAKAN METODE NAÏVE BAYES: STUDI KASUS: STARBUCKS Az-haari, Nur Fadhilah; Juardi, Didi; Jamaludin, Asep
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9888

Abstract

Palestina-Israel merupakan dua negara yang masih terlibat dalam konflik peperangan yang berlangsung hingga saat ini. Sejak pecahnya konflik antara Israel dan Hamas pada 7 Oktober 2023, banyak produk yang dianggap mendukung Israel, termasuk produk-produk Amerika seperti Starbucks yang mengalami dampaknya. Penurunan harga ekuitas perusahaan besar kemungkinan terkait menanggapi krisis kemanusiaan yang timbul akibat serangan militer terhadap warga sipil Palestina, dilakukan boikot terhadap produk yang mendukung Israel. Penelitian ini menerapkan sistem klasifikasi untuk mengkategorikan sentimen dari tweet yang menggunakan hashtag #BoikotStarbucks dan #BoikotProIsrael. Hasil pengolahan opini atau sentimen dari penerapan algoritma Naïve bayes yang meruakan salah satu algoritma klasifikasi yang sederhana namun sangat efektif dalam pengolahan data teks, seperti klasifikasi sentimen pada tweet. Klasifikasi yang digunakan adalah metodologi KDD yang terbagi kedalam tiga kelas yaitu Positif, Netral dan Negatif melalui media sosial Twitter menggunakan penerapan algoritma Naïve bayes diperoleh hasil yaitu 130 label positif, 156 label negatif, dan 611 label netral. Nilai accuracy tertinggi terdapat pada model 90:10 dengan 71%, precision 24%, dan recall 33%. Selain menggunakan confusion matrix model diuji dengan grafik ROC yang menghasilkan nilai AUC tertinggi pada model 90:10 dengan nilai 0.689 yang dapat diartikan model ini kualitasnya good classification
Co-Authors Jamaludin, Asep Juardi, Didi