ANALISIS SENTIMEN AKSI BOIKOT PRODUK PRO-ISRAEL MENGGUNAKAN METODE INDOBERT PADA DATA TIDAK SEIMBANG

Boikot adalah suatu tindakan yang dilakukan untuk menghentikan pembelian atau penggunaan produk atau jasa tertentu sebagai bentuk protes masyarakat terhadap suatu perusahan atau kelompok tertentu yang melakukan suatu penyimpangan. Konflik antara Israel dan Palestina, yang telah berlangsung sejak 1948, memuncak pada Oktober 2023 dan telah menelan lebih dari 35.000 korban jiwa Palestina. Konflik ini menimbulkan berbagai macam opini publik terutama di Indonesia yang diekspresikan melalui media sosial, terutama Twitter. Dengan demikian, analisis sentimen publik di media sosial Twitter menjadi penting untuk memahami reaksi dan perspektif masyarakat terhadap aksi boikot produk Pro-Israel. Penelitian ini menggunakan metode IndoBERT yang merupakan varian dari metode BERT yang dirancang khusus untuk memahami bahasa Indonesia. Meskipun telah banyak penelitian yang mengaplikasikan metode IndoBERT untuk analisis sentimen dan klasifikasi teks dalam bahasa Indonesia, akan tetapi belum ada yang menggunakan metode IndoBERT dan teknik penyeimbangan data dalam menganalisis sentimen bahasa Indonesia terkait aksi boikot produk Pro-Israel di media sosial Twitter. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model analisis sentimen menggunakan metode IndoBERT dengan lebih banyak data untuk mengkaji sentimen terkait aksi boikot produk Pro-Israel di Twitter pada data yang tidak seimbang, serta mengevaluasi pengaruh metode balancing menggunakan cara undersampling dan oversampling terhadap akurasi dan kinerja model. Metode yang digunakan melibatkan crawling data, prepocessing data, pelabelan dengan pendekatan Lexicon Based, balancing data, dan splitting data. Model IndoBERT dilatih dengan 20 epoch, batch size 16, dan learning rate 2e-5. Hasil penelitian menunjukan bahwa model dengan balancing data menggunkan metode oversampling mencapai akurasi 97% dan F1-Score 97%, yang lebih baik dibandingkan dengan data imbalance dan metode undersampling. Dengan demikian, penyeimbangan data menggunakan metode oversampling terbukti efektif dalam meningkatkan akurasi dalam analisis sentimen. Penelitian ini memberikan kontribusi signifikan dalam memahami perilaku masyarakat Indonesia terhadap aksi boikot produk yang mendukung Israel dan menyarankan untuk eksplorasi lebih lanjut dalam optimasi parameter dan evaluasi dengan data yang lebih besar dan beragam, serta dapat mengembangkan lebih lanjut metode penyeimbangan data untuk meningkatkan generalisasi dan kemampuan model.