<![CDATA[Media sosial, khususnya platform X (sebelumnya dikenal sebagai Twitter), telah menjadi ruang utama bagi masyarakat untuk menyuarakan pandangan terkait isu-isu sosial, politik, dan ekonomi. Salah satu fenomena menonjol adalah gerakan boycott yang disuarakan melalui tagar seperti #Boycott, sebagai bentuk protes kolektif terhadap entitas yang dianggap bertentangan dengan nilai atau kepentingan publik. Dalam konteks konflik geopolitik, seperti ketegangan yang melibatkan Israel, tagar ini sering kali menjadi pusat diskusi daring yang intens. Penelitian ini bertujuan untuk mengkaji dinamika diskusi, kecenderungan sentimen, dan emosi yang muncul dalam wacana digital terkait boycott terhadap produk yang terafiliasi dengan Israel. Metode yang digunakan dalam penelitian ini adalah klasifikasi sentimen menggunakan algoritma Support Vector Machine (SVM). Dataset yang digunakan dikumpulkan melalui proses crawling terhadap tagar-tagar terkait gerakan boycott selama bulan Januari-April 2025, yang mencakup berbagai percakapan publik di platform X. Hasil pengujian menunjukkan bahwa model SVM mampu mengklasifikasikan data dengan tingkat akurasi mencapai 94%, dimana data uji berhasil diklasifikasikan dengan benar ke dalam tiga kelas sentimen: pro, netral, dan kontra. Hal ini menandakan bahwa model cukup andal dalam mengidentifikasi sentimen masyarakat. Penelitian ini menunjukkan bahwa algoritma SVM efektif dalam mengidentifikasi dan mengelompokkan sentimen masyarakat terhadap gerakan boycott di media sosial. Penelitian ini diharapkan dapat menjadi kontribusi awal dalam pemanfaatan machine learning untuk menganalisis respon publik terhadap isu-isu sosial dan kemanusiaan melalui platform digital.]]>
