Analisis Sentimen Terhadap Kontroversi Fatwa MUI Nomor 83 Tahun 2023 Tentang Pemboikotan Produk yang Terafiliasi Israel

Jurnal Ekonomi Manajemen Sistem Informasi Pub Date : 2024-03-10 DOI:10.31933/jemsi.v5i4.1845

M. Yasir, Marissa Grace Haque, Robertus Suraji, Istianingsih

{"title":"Analisis Sentimen Terhadap Kontroversi Fatwa MUI Nomor 83 Tahun 2023 Tentang Pemboikotan Produk yang Terafiliasi Israel","authors":"M. Yasir, Marissa Grace Haque, Robertus Suraji, Istianingsih","doi":"10.31933/jemsi.v5i4.1845","DOIUrl":null,"url":null,"abstract":"Abstrak: Kebijakan yang dikeluarkan oleh MUI, khususnya fatwa nomor 83 tahun 2023 yang membahas aspek moralitas dalam mendukung perjuangan palestina, menganjurkan untuk menghindari transaksi dan penggunaan produk yang terkait dengan Israel, terutama negara-negara yang mendukung penjajahan dan Zionisme semaksimal mungkin. Fenomena ini telah memunculkan berbagai tanggapan reaksi dan muncul sebagai subjek wacana yang trending di seluruh platform media sosial termasuk pengguna YouTube. Penelitian ini bertujuan mengembangkan model klasifikasi sentimen menggunakan mengkomparasi lima metode klasifikasi seperti Naïve Bayes, Decision Tree, Random Forest, Support Vector Machine (SVM), dan K-Nearest Neighbor (KNN) untuk memahami respons terhadap fatwa tersebut. Alat yang digunakan adalah Python Google Collab dengan dataset berasal dari komentar YouTube. Hasil analisis menunjukkan tiga klasifikasi sentimen: setuju, tidak setuju, dan netral, dengan tingkat akurasi Naive Bayes 75%, Decision Tree 65%, Random Forest 67%, SVM 63%, K-NN 53%. Penelitian ini diharapkan memberikan wawasan mendalam tentang distribusi sentimen terkait fatwa tersebut, serta menjadi dasar untuk penelitian lebih lanjut dalam analisis sentimen dan dinamika opini publik.","PeriodicalId":330805,"journal":{"name":"Jurnal Ekonomi Manajemen Sistem Informasi","volume":"1 6","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2024-03-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Ekonomi Manajemen Sistem Informasi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.31933/jemsi.v5i4.1845","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Abstrak: Kebijakan yang dikeluarkan oleh MUI, khususnya fatwa nomor 83 tahun 2023 yang membahas aspek moralitas dalam mendukung perjuangan palestina, menganjurkan untuk menghindari transaksi dan penggunaan produk yang terkait dengan Israel, terutama negara-negara yang mendukung penjajahan dan Zionisme semaksimal mungkin. Fenomena ini telah memunculkan berbagai tanggapan reaksi dan muncul sebagai subjek wacana yang trending di seluruh platform media sosial termasuk pengguna YouTube. Penelitian ini bertujuan mengembangkan model klasifikasi sentimen menggunakan mengkomparasi lima metode klasifikasi seperti Naïve Bayes, Decision Tree, Random Forest, Support Vector Machine (SVM), dan K-Nearest Neighbor (KNN) untuk memahami respons terhadap fatwa tersebut. Alat yang digunakan adalah Python Google Collab dengan dataset berasal dari komentar YouTube. Hasil analisis menunjukkan tiga klasifikasi sentimen: setuju, tidak setuju, dan netral, dengan tingkat akurasi Naive Bayes 75%, Decision Tree 65%, Random Forest 67%, SVM 63%, K-NN 53%. Penelitian ini diharapkan memberikan wawasan mendalam tentang distribusi sentimen terkait fatwa tersebut, serta menjadi dasar untuk penelitian lebih lanjut dalam analisis sentimen dan dinamika opini publik.

查看原文本刊更多论文

对关于抵制与以色列有关联产品的第 83 号法特瓦（2023 年）争议的情绪分析

摘要MUI 发布的政策，特别是 2023 年第 83 号法特瓦（fatwa number 83 of 2023）涉及支持巴勒斯坦事业的道德问题，主张避免交易和使用与以色列有关的产品，特别是尽可能避免交易和使用支持殖民化和犹太复国主义的国家的产品。这一现象引起了各种反应，并成为包括 YouTube 用户在内的社交媒体平台上的热门话题。本研究旨在通过比较 Naïve Bayes、决策树、随机森林、支持向量机 (SVM) 和 K-Nearest Neighbor (KNN) 等五种分类方法来开发情感分类模型，以了解对法特瓦的反应。使用的工具是 Python Google Collab，数据集来自 YouTube 评论。分析结果显示了三种情感分类：同意、不同意和中立，准确率分别为 Naive Bayes 75%、决策树 65%、随机森林 67%、SVM 63%、K-NN 53%。这项研究有望深入洞察与法特瓦相关的情绪分布，并为进一步研究情绪分析和舆情动态提供基础。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Jurnal Ekonomi Manajemen Sistem Informasi

自引率

0.00%

发文量