Analisis Sentimen Pengguna Twitter terhadap Konflik Rusia-Ukraina Menggunakan Naïve Bayes dan Lexicon Based Features

Barnes J. Manurung; Bita Parga Zen; Yohani Setiya Rafika Nur; Roland Claudio Felle; Eryan Ahmad Firdaus

doi:10.57094/ji.v4i1.2574

Barnes J. Manurung Universitas Telkom
Bita Parga Zen Universitas Ma Chung
Yohani Setiya Rafika Nur Universitas Telkom
Roland Claudio Felle Universitas Pertahanan Republik Indonesia
Eryan Ahmad Firdaus Universitas Pertahanan Republik Indonesia

DOI: https://doi.org/10.57094/ji.v4i1.2574

Kata Kunci: Konflik Rusia-Ukraina, Analisis Sentimen, Naïve Bayes, Lexicon Based Features, Twitter

Abstrak

Konflik antara Rusia dan Ukraina merupakan salah satu isu internasional yang terus menjadi perhatian dunia. Konflik ini bermula sejak 2014, saat pelengseran Presiden Yanukovych menyebabkan perpecahan antara pendukung Uni Eropa dan pendukung Rusia di Ukraina. Ketegangan meningkat tajam pada akhir 2021 hingga akhirnya Presiden Rusia, Vladimir Putin, memutuskan melakukan agresi militer ke Ukraina pada 24 Februari 2022. Twitter sebagai media sosial menjadi wadah utama bagi masyarakat untuk menyuarakan opini mereka terhadap konflik ini. Penelitian ini bertujuan untuk menganalisis sentimen publik di Twitter mengenai konflik Rusia-Ukraina. Metode yang digunakan adalah kombinasi algoritma Naïve Bayes dan pendekatan Lexicon Based Features. Naïve Bayes digunakan untuk mengklasifikasikan data sentimen, sedangkan Lexicon Based Features berfungsi untuk menentukan bobot sentimen positif maupun negatif dalam teks. Hasil penelitian menunjukkan bahwa metode kombinasi ini efektif dalam mengkategorikan opini publik berdasarkan sentimen mereka terhadap konflik tersebut. Analisis ini dapat memberikan gambaran umum mengenai persepsi global terhadap konflik Rusia-Ukraina dan menjadi bahan pertimbangan dalam memahami opini publik dunia maya.

Referensi

A. Zaenudin, “Bagaimana Twitter Memengaruhi Opini Publik dan Preferensi Politik?” 21 Maret 2018. [Online]. Available: https://tirto.id/bagaimana-twitter-memengaruhi-opini-publik-dan-preferensi-politik-cGre.

Rizal, “Wow! Pengguna Aktif Harian Twitter Tembus 217 Juta di Dunia,” 15 February 2022. [Online]. Available: https://infokomputer.grid.id/read/123143849/wow-pengguna-aktif-harian-twitter-tembus-217-juta-di-dunia.

A. Mardatila, “Penyebab Konflik Rusia dan Ukraina, Pahami Perkembangannya dari Waktu ke Waktu,” merdeka.com, 24 Februari 2022. [Online]. Available: https://www.merdeka.com/sumut/penyebab-konflik-rusia-dan-ukraina-pahami-perkembangannya-dari-waktu-ke-waktu-kln.html.

A. Aflaha, “Rusia Vs Ukraina: Perang Akhirnya Beneran Terjadi!” cnbcindonesia, 24 February 2022. [Online]. Available: https://www.cnbcindonesia.com/market/20220224130324-17-318002/rusia-vs-ukraina-perang-akhirnya-beneran-terjadi.

R. B. S. H. M. A. D. P. D. S. P. Haiqal Ramanizar Al Fajri, “Analisis Sentimen Pengguna Twitter terhadap Konflik antara Palestina dan,” Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA), 2021.

H. N. P. M. W. d. I. Ali Sholihin, “nalisis Penyakit Difteri Berbasis Twitter Menggunakan,” Sains, Aplikasi, Komputasi dan Teknologi Informasi, 2019.

K. I. Rifiana Arief, “ANALISIS SENTIMEN TOPIK VIRAL DESA PENARI PADA MEDIA SOSIAL TWITTER DENGAN METODE LEXICON BASED,” Jurnal Ilmiah MATRIK, 2019.

F. V. Sari, “ANALISIS SENTIMEN PELANGGAN TOKO ONLINE JD.ID,” Jurnal SIMETRIS, vol. 2, no. 681, p. November, 2019.

U. D. Arni, “Apa Itu Text Mining?” garudacyber, 25 Oktober 2018. [Online]. Available: https://garudacyber.co.id/artikel/1254-apa-itu-text-mining.

A. S. Oktriwina, “NLP: Kecerdasan Buatan yang Bantu Komputer Pahami Bahasa Manusia,” glints, 2 Februari 2021. [Online]. Available: https://glints.com/id/lowongan/natural-language-processing-adalah/#.YjEcWnpBxHM.

D. Sierra, “Algoritma TF — IDF,” medium, 13 Februari 2019. [Online]. Available: https://dltsierra.medium.com/algoritma-tf-idf-633e17d10a80.

I. S. d. D. F. Bita Parga Zen, “TF-IDF Method and Vector Space Model Regarding the Covid-19 Vaccine on Online News,” Jurnal dan Penelitian Teknik Informatika, 2021.

N. S. Z. A. Dedi Darwis, “Penerapan Algoritma Naive Bayes untuk Analisis Sentimen Review Data Twitter BMKG Nasional,” Jurnal TEKNO KOMPAK, 2021.

F. V. Sari, “ANALISIS SENTIMEN PELANGGAN TOKO ONLINE JD.ID MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER BERBASIS KONVERSI IKON EMOSI,” Jurnal SIMETRIS, 2019.

G. A. B. M. B. S. Rachmad Mahendrajaya, “ANALISIS SENTIMEN PENGGUNA GOPAY MENGGUNAKAN METODE,” Fakultas Teknik, Universitas Muhammadiyah Ponorogo, 2019.

R. Andriani and J. Attata, “UPAYA RESOLUSI KONFLIK RUSIA-UKRAINA,” 28 March 2022.

R. N. Shobah, “Perang Rusia vs Ukraina: Sejarah Konflik 2 Negara Pecahan Uni Soviet Ini, Bermula dari Krisis 2013,” Tribunkaltim.co, 25 Februari 2022. [Online]. Available: https://kaltim.tribunnews.com/2022/02/25/perang-rusia-vs-ukraina-sejarah-konflik-2-negara-pecahan-uni-soviet-ini-bermula-dari-krisis-2013?page=2.

sef, CNBC Indonesia, “Kronologi dan Latar Belakang Perang Rusia vs Ukraina,” CNBC Indonesia, 6 Maret 2022. [Online]. Available: https://www.cnbcindonesia.com/news/20220304133929-4-320041/kronologi-dan-latar-belakang-perang-rusia-vs-ukraina.

D. H. Jayani, “10 Media Sosial yang Paling Sering Digunakan di Indonesia,” 26 2 2020. [Online]. Available: https://databoks.katadata.co.id/datapublish/2020/02/26/10-media-sosial-yang-paling-sering-digunakan-di-indonesia.

Y. Ratnasari, “Twitter Resmi Menambah Batasan Kicauan Jadi 280 Karakter,” Tirto.id, 8 November 2017. [Online]. Available: https://tirto.id/twitter-resmi-menambah-batasan-kicauan-jadi-280-karakter-czNm.

F. D. Adhinata, B. Parga Zen and A. D. Septiadi, “Lightweight and Efficient Deep Learning Model for Fire Detection,” 2023 10th International Conference on Electrical Engineering, Computer Science and Informatics (EECSI), Palembang, Indonesia, 2023, pp. 583-588, doi: 10.1109/EECSI59885.2023.10295606.

F. Mukarromah and B. Parga Zen, “News Website Implementation Using The Fuzzy Analytical Hierarchy Process (FAHP) Method,” 2023 29th International Conference on Telecommunications (ICT), Toba, Indonesia, 2023, pp. 1-6, doi: 10.1109/ICT60153.2023.10374045.

A. Utami, D. F. Hebrasianto Permadi, B. P. Zen, F. D. Adhinata and W. A. Saputra, “Classification Analysis of Star Hotels in Banyumas Using the Random Forest Method,” 2024 International Conference on Information Technology and Computing (ICITCOM), Yogyakarta, Indonesia, 2024, pp. 139-144, doi: 10.1109/ICITCOM62788.2024.10762547.

Bita Parga Zen, Irwan Susanto, Khofifah Putriyani, Sintiya; Automatic document classification for tempo news articles about covid 19 based on term frequency, inverse document frequency (TF-IDF), and Vector Space Model (VSM). AIP Conf. Proc. 23 July 2024; 2952 (1): 060003. https://doi.org/10.1063/5.0212036

Zen, B.P., Abdurahman, Zafia, A., Utami, A., Putro, I.N.Y., Aditama, F.D. (2024). Multi Socket Transmission System Application with Advanced Encryption Standard Algorithm to Support Confidential Medical Data Security. In: Triwiyanto, T., Rizal, A., Caesarendra, W. (eds) Proceedings of the 4th International Conference on Electronics, Biomedical Engineering, and Health Informatics. ICEBEHI 2023. Lecture Notes in Electrical Engineering, vol 1182. Springer, Singapore. https://doi.org/10.1007/978-981-97-1463-6_1.