Analisis Sentimen Opini Publik Terhadap Boikot KFC pada Media Sosial X (Twitter) Menggunakan Algoritma Support Vector Machine (SVM)
Keywords:
Analisis sentimen, Twitter/X, boikot KFC, machine learning, Support Vector Machine (SVM)Abstract
Boikot terhadap produk atau perusahaan yang dianggap berafiliasi dengan Israel menjadi topik yang banyak dibahas di media sosial, termasuk X (Twitter). Salah satu perusahaan yang terdampak isu tersebut adalah KFC. Penelitian ini bertujuan untuk menganalisis sentimen opini publik terhadap boikot KFC pada media sosial X (Twitter) menggunakan algoritma Support Vector Machine (SVM). Data dikumpulkan melalui proses crawling menggunakan Google Colab dan Python, dengan total 3150 tweet menggunakan kata kunci “boikot KFC”. Data kemudian melalui tahapan text preprocessing meliputi cleaning, case folding, tokenizing, stopword removal, serta pembobotan menggunakan TF-IDF. Proses klasifikasi dilakukan dengan dua jenis kernel SVM, yakni Linear dan RBF (Radial Basis Function). Hasil penelitian menunjukkan bahwa kernel RBF memberikan akurasi tertinggi sebesar 83,11%, sedikit lebih unggul dibandingkan kernel Linear dengan akurasi 82,86%. Selain itu, metrik evaluasi lain seperti presisi, specifity, recall, dan F1-score juga menunjukkan bahwa kernel RBF memiliki performa yang sedikit lebih baik dibanding kernel Linear. Penelitian ini diharapkan dapat menjadi rujukan untuk memahami kecenderungan sentimen publik terhadap isu serupa di masa mendatang.
Downloads
Download data is not yet available.
References
Adiwijaya, I. (2006). Text Mining dan Knowledge Discovery. Kolokium Bersama Komunitas Datamining Indonesia & Soft-Computing Indonesia, 1–9. https://adoc.pub/text-mining-dan-knowledge-discovery.html
Adrian, M. R., Putra, M. P., Rafialdy, M. H., & Rakhmawati, N. A. (2021). Perbandingan Metode Klasifikasi Random Forest dan SVM Pada Analisis Sentimen PSBB. Jurnal Informatika Upgris, 7(1), 6–11. https://doi.org/10.26877/jiu.v7i1.7099
Alfarisi, A. (2025). Gerakan sosial modern: seruan boikot produk afiliasi Israel melalui media sosial. Lektur: Jurnal Ilmu Komunikasi, 7(4). https://doi.org/10.21831/lektur.v7i4.23098
Aprilla Dennis. (2013). Belajar Data Mining dengan RapidMiner. Innovation and Knowledge Management in Business Globalization: Theory & Practice, Vols 1 and 2, 5(4), 1–5. http://esjournals.org/journaloftechnology/archive/vol1no6/vol1no6_6.pdf%5Cnhttp://www.airccse.org/journal/nsa/5413nsa02.pdf
Cipta, S. P., Zulfadhilah, M., Naparin, H., & Syapotro, U. (2024). Analisis Sentimen Terhadap Aplikasi Parak Acil Online Berdasarkan Ulasan Masyarakat Menggunakan Metode Support Vector Machine ( SVM ). Jurnal Nasional Komputasi Dan Teknologi Informasi (JNKTI), 7(5), 1042–1049.
Deltania, D., Garno, G., & Jamaludin, A. (2024). Analisis Sentimen Publik Terhadap Invasi Zionis Kepada Hamas Menggunakan Support Vector Machine (Svm). JATI (Jurnal Mahasiswa Teknik Informatika), 8(4), 4465–4472. https://doi.org/10.36040/jati.v8i4.9959
Faisal, M. R., Kartini, D., Arrahimi, A. R., & Saragih, T. H. (2022). Belajar Data Science: Text Mining Untuk Pemula. In Jurnal Informatika UPGRIS (Vol. 1). https://media.neliti.com/media/publications/137435-ID-preprocessing-text-untuk-meminimalisir-k.pdf
Fathoni, F., Lifiano Jamot Munthe, G., & Yasir Alghifari, M. (2025). Analisis Sentimen Publik Terhadap Kebijakan Pemerintah Terbaru Tentang Pendistribusian Gas Elpigi Subsidi Pada Masyarakat Menggunakan Metode Algoritma Svm. JATI (Jurnal Mahasiswa Teknik Informatika), 9(4), 6740–6748. https://doi.org/10.36040/jati.v9i4.14213
Fauzianto, R. A., & Supatman. (2023). Analisis Sentimen Opini Masyarakat Terhadap Tech Winter Pada Twitter Menggunakan Natural Language Processing. Jurnal Syntax Admiration, 3(9), 1577–1585. https://doi.org/10.46799/jsa.v3i9.909
Fitri, R., Putri Husain, N., & Arfandy, H. (2024). Analisis Sentimen Rating Drama Korea Doctor Slump Pada Media Sosial X (Twitter) Menggunakan Metode Artificial Neural Network. Jurnal Ilmu Komputer Dan Teknologi Informasi, 1(2), 124–130. https://doi.org/10.71466/jiktif.v1i2.52
Indriani, A. (2020). Klasifikasi Data Forum dengan menggunakan Metode Naïve Bayes Classifier. Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Yogyakarta, 21. www.bluefame.com,
Insaini, A. R., Sakti, A. I., Alita, D., & Marga, N. S. (2021). Sentimen analisis publik terhadap kebijakan lockdown pemerintah Jakarta menggunakan algoritma SVM. JDMSI, 2(1), 31–37.
Kartika, Cipta, S. P., Zulfadhilah, M., & Prastya, S. E. (2024). Analisis Sentimen Pengaruh Digitalisasi Terhadap Penjualan UMKM di Kota Banjarmasin Menggunakan Metode SVM. Jurnal Nasional Komputasi Dan Teknologi Informasi (JNKTI), 7(5), 1121–1129. https://doi.org/10.32672/jnkti.v7i5.8006
Kulkarni, A., Chong, D., & Batarseh, F. A. (2020). Foundations of data imbalance and solutions for a data democracy. Data Democracy: At the Nexus of Artificial Intelligence, Software Development, and Knowledge Engineering, 83–106. https://doi.org/10.1016/B978-0-12-818366-3.00005-8
Kulkarni, A., & Shivananda, A. (2019). Natural language processing recipes: Unlocking text data with machine learning and deep learning using python. In Natural Language Processing Recipes: Unlocking Text Data with Machine Learning and Deep Learning using Python. https://doi.org/10.1007/978-1-4842-4267-4
Lina, S., Sitio, M., & Nadiyanti, R. (2022). Analisis Sentimen Kenaikan Harga BBM Pertamax Pada Media Sosial Menggunakan Metode Naïve Bayes Classifier. Building of Informatics, Technology and Science (BITS), 4(3), 1224–1231. https://doi.org/10.47065/bits.v4i3.2331
Lubis, M. G. R., Sitompul, D. S., Giovanni, T. M., Ramadhani, F., & Dewi, S. (2024). Evaluasi Kinerja Algoritma Support Vector Machine (SVM) Dalam Analisis Sentimen Publik Terhadap Naturalisasi Timnas Indonesia di Twitter. Journal of Accounting Law Communication and Technology, 2(1), 81–89. https://doi.org/10.57235/jalakotek.v2i1.4180
Lubis, R. M. F. (2021). Pengembangan Analisa Algoritma Autoregressive Integrated Moving Average (Arima-Box Jenkins) Pemodelan Menggunakan Google Colab (Phyton). JUTISAL (Jurnal Teknik Informatika Komputer Universal), 1(1), 44–56.
Ma’rufudin, M., & Yudhistira, A. (2025). Analisis Sentimen Petani Milenial Pada Media Sosial X Menggunakan Algortitma Support Vector Machine (SVM). Jurnal Pendidikan Dan Teknologi Indonesia, 5(3), 845–857. https://doi.org/10.52436/1.jpti.717
Muzayyanah, A. B., Pawening, R. E., & Arifin, Z. (2024). Analisis Sentimen Pada Ulasan Aplikasi Ehadrah Di Google Playstore Menggunakan Support Vector Machine (Svm). IDEALIS : InDonEsiA JournaL Information System, 7(2), 258–266. https://doi.org/10.36080/idealis.v7i2.3250
Nurwanda; Suarna, Nana; Prihartono, W. (2024). Penerapan NLP (Natural Language Processing) Dalam Analisis Sentimen Pengguna Telegram di Playstore. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 1841–1846.
Paramesthi, K. T., & Kusumawardhani, L. (2024). Persepsi Konsumen terhadap Brand Reputasi Kentucky Fried Chicken ( KFC ) dalam Gerakan Boikot. MUKASI: Jurnal Ilmu Komunikasi, 3(4), 296–310. https://doi.org/10.54259/mukasi.v3i4.3297
Pravina, A. M., Cholissodin, I., & Adikara, P. P. (2019). Analisis Sentimen Tentang Opini Maskapai Penerbangan pada Dokumen Twitter Menggunakan Algoritme Support Vector Machine ( SVM ). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(3), 2789–2797.
Puspitasari, D., Sutabri, T., Informatika, M. T., & Dama, U. B. (2024). Analisis Sentimen Berdasarkan pada Twitter ( X ) terhadap Layanan Indihome Menggunakan Algoritma Support Vector Machine ( SVM ) Magister Teknik Informatika , Universitas Bina Dama , Palembang , Indonesia Informasi Artikel diakses menggunakan beberapa prov. JUMINTAL: Jurnal Manajemen Informatika Dan Bisnis Digital, 3(2), 58–71. https://doi.org/10.55123/jumintal.v3i2.4449
Rivaldi, R. C., & Wismarini, T. D. (2024). Analisis Sentimen Pada Ulasan Produk Dengan Metode Natural Language Processing (NLP) (Studi Kasus Zalika Store 88 Shopee). Jurnal Ilmiah Elektronika Dan Komputer, 17(1), 120–128.
Saragih, R. R. (2018). Pemrograman dan bahasa pemrograman.
Seftino, D. B., Anargya, R. D., Fidly, Y. A., & Rakhmawati, N. A. (2024). Analisis Sentimen Masyarakat Indonesia terhadap Kasus Ujaran Kebencian oleh Akun Fufufafamelalui Platform X Menggunakan Algoritma SVM. Etika Teknologi Informasi, 1(1), 1–9. https://doi.org/10.5281/zenodo.14280758
Sormin, S. K., & Malik, F. D. M. (2024). Perilaku Konsumsi Terhadap Boikot Produk Pro Israel. Karimah Tauhid, 3, 3114–3120.
Sulaeman, A. S., Sujjada, A., & Kharisma, I. L. (2024). Penerapan Algoritma Cerdas Bidirectional Encoder Refresentations From Transformers Dalam Menganalisis Opini Publik Terhadap Produk Yang Mengalami Boikot. Jurnal Invotek Polbeng - Seri Informatika, 9(1), 460–473.
Suryati, Emi ; Styawati ; Aldino, A. A. (2023). Analisis Sentimen Transportasi Online Menggunakan Ekstraksi Fitur Model Word2vec Text Embedding Dan Algoritma Support Vector Machine ( SVM ). Jurnal Teknologi Dan Sistem Informasi, 4(1), 96–106.
Wandani, A. F. A. (2021). Sentimen Analisis Pengguna Twitter pada Event Flash Sale Menggunakan Algoritma K-NN , Random Forest , dan Naive Bayes. Jurnal Sains Komputer & Informatika (J-SAKTI), 5(2), 651–665.
Yustihan, S. R., & Adikara, P. P. (2021). Analisis Sentimen berbasis Aspek terhadap Data Ulasan Rumah Makan menggunakan Metode Support Vector Machine ( SVM ). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 5(3), 1017–1023.
Yusupa, A. (2024). Perbandingan Algoritma Maching Learning dalam Analisis Sentimen Mobil Listrik di Indonesia pada Media Sosial Twitter/X. JIP (Jurnal Informatika Polinema), 10(4), 479–489. https://doi.org/10.33795/jip.v10i4.5130.
Adrian, M. R., Putra, M. P., Rafialdy, M. H., & Rakhmawati, N. A. (2021). Perbandingan Metode Klasifikasi Random Forest dan SVM Pada Analisis Sentimen PSBB. Jurnal Informatika Upgris, 7(1), 6–11. https://doi.org/10.26877/jiu.v7i1.7099
Alfarisi, A. (2025). Gerakan sosial modern: seruan boikot produk afiliasi Israel melalui media sosial. Lektur: Jurnal Ilmu Komunikasi, 7(4). https://doi.org/10.21831/lektur.v7i4.23098
Aprilla Dennis. (2013). Belajar Data Mining dengan RapidMiner. Innovation and Knowledge Management in Business Globalization: Theory & Practice, Vols 1 and 2, 5(4), 1–5. http://esjournals.org/journaloftechnology/archive/vol1no6/vol1no6_6.pdf%5Cnhttp://www.airccse.org/journal/nsa/5413nsa02.pdf
Cipta, S. P., Zulfadhilah, M., Naparin, H., & Syapotro, U. (2024). Analisis Sentimen Terhadap Aplikasi Parak Acil Online Berdasarkan Ulasan Masyarakat Menggunakan Metode Support Vector Machine ( SVM ). Jurnal Nasional Komputasi Dan Teknologi Informasi (JNKTI), 7(5), 1042–1049.
Deltania, D., Garno, G., & Jamaludin, A. (2024). Analisis Sentimen Publik Terhadap Invasi Zionis Kepada Hamas Menggunakan Support Vector Machine (Svm). JATI (Jurnal Mahasiswa Teknik Informatika), 8(4), 4465–4472. https://doi.org/10.36040/jati.v8i4.9959
Faisal, M. R., Kartini, D., Arrahimi, A. R., & Saragih, T. H. (2022). Belajar Data Science: Text Mining Untuk Pemula. In Jurnal Informatika UPGRIS (Vol. 1). https://media.neliti.com/media/publications/137435-ID-preprocessing-text-untuk-meminimalisir-k.pdf
Fathoni, F., Lifiano Jamot Munthe, G., & Yasir Alghifari, M. (2025). Analisis Sentimen Publik Terhadap Kebijakan Pemerintah Terbaru Tentang Pendistribusian Gas Elpigi Subsidi Pada Masyarakat Menggunakan Metode Algoritma Svm. JATI (Jurnal Mahasiswa Teknik Informatika), 9(4), 6740–6748. https://doi.org/10.36040/jati.v9i4.14213
Fauzianto, R. A., & Supatman. (2023). Analisis Sentimen Opini Masyarakat Terhadap Tech Winter Pada Twitter Menggunakan Natural Language Processing. Jurnal Syntax Admiration, 3(9), 1577–1585. https://doi.org/10.46799/jsa.v3i9.909
Fitri, R., Putri Husain, N., & Arfandy, H. (2024). Analisis Sentimen Rating Drama Korea Doctor Slump Pada Media Sosial X (Twitter) Menggunakan Metode Artificial Neural Network. Jurnal Ilmu Komputer Dan Teknologi Informasi, 1(2), 124–130. https://doi.org/10.71466/jiktif.v1i2.52
Indriani, A. (2020). Klasifikasi Data Forum dengan menggunakan Metode Naïve Bayes Classifier. Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Yogyakarta, 21. www.bluefame.com,
Insaini, A. R., Sakti, A. I., Alita, D., & Marga, N. S. (2021). Sentimen analisis publik terhadap kebijakan lockdown pemerintah Jakarta menggunakan algoritma SVM. JDMSI, 2(1), 31–37.
Kartika, Cipta, S. P., Zulfadhilah, M., & Prastya, S. E. (2024). Analisis Sentimen Pengaruh Digitalisasi Terhadap Penjualan UMKM di Kota Banjarmasin Menggunakan Metode SVM. Jurnal Nasional Komputasi Dan Teknologi Informasi (JNKTI), 7(5), 1121–1129. https://doi.org/10.32672/jnkti.v7i5.8006
Kulkarni, A., Chong, D., & Batarseh, F. A. (2020). Foundations of data imbalance and solutions for a data democracy. Data Democracy: At the Nexus of Artificial Intelligence, Software Development, and Knowledge Engineering, 83–106. https://doi.org/10.1016/B978-0-12-818366-3.00005-8
Kulkarni, A., & Shivananda, A. (2019). Natural language processing recipes: Unlocking text data with machine learning and deep learning using python. In Natural Language Processing Recipes: Unlocking Text Data with Machine Learning and Deep Learning using Python. https://doi.org/10.1007/978-1-4842-4267-4
Lina, S., Sitio, M., & Nadiyanti, R. (2022). Analisis Sentimen Kenaikan Harga BBM Pertamax Pada Media Sosial Menggunakan Metode Naïve Bayes Classifier. Building of Informatics, Technology and Science (BITS), 4(3), 1224–1231. https://doi.org/10.47065/bits.v4i3.2331
Lubis, M. G. R., Sitompul, D. S., Giovanni, T. M., Ramadhani, F., & Dewi, S. (2024). Evaluasi Kinerja Algoritma Support Vector Machine (SVM) Dalam Analisis Sentimen Publik Terhadap Naturalisasi Timnas Indonesia di Twitter. Journal of Accounting Law Communication and Technology, 2(1), 81–89. https://doi.org/10.57235/jalakotek.v2i1.4180
Lubis, R. M. F. (2021). Pengembangan Analisa Algoritma Autoregressive Integrated Moving Average (Arima-Box Jenkins) Pemodelan Menggunakan Google Colab (Phyton). JUTISAL (Jurnal Teknik Informatika Komputer Universal), 1(1), 44–56.
Ma’rufudin, M., & Yudhistira, A. (2025). Analisis Sentimen Petani Milenial Pada Media Sosial X Menggunakan Algortitma Support Vector Machine (SVM). Jurnal Pendidikan Dan Teknologi Indonesia, 5(3), 845–857. https://doi.org/10.52436/1.jpti.717
Muzayyanah, A. B., Pawening, R. E., & Arifin, Z. (2024). Analisis Sentimen Pada Ulasan Aplikasi Ehadrah Di Google Playstore Menggunakan Support Vector Machine (Svm). IDEALIS : InDonEsiA JournaL Information System, 7(2), 258–266. https://doi.org/10.36080/idealis.v7i2.3250
Nurwanda; Suarna, Nana; Prihartono, W. (2024). Penerapan NLP (Natural Language Processing) Dalam Analisis Sentimen Pengguna Telegram di Playstore. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 1841–1846.
Paramesthi, K. T., & Kusumawardhani, L. (2024). Persepsi Konsumen terhadap Brand Reputasi Kentucky Fried Chicken ( KFC ) dalam Gerakan Boikot. MUKASI: Jurnal Ilmu Komunikasi, 3(4), 296–310. https://doi.org/10.54259/mukasi.v3i4.3297
Pravina, A. M., Cholissodin, I., & Adikara, P. P. (2019). Analisis Sentimen Tentang Opini Maskapai Penerbangan pada Dokumen Twitter Menggunakan Algoritme Support Vector Machine ( SVM ). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(3), 2789–2797.
Puspitasari, D., Sutabri, T., Informatika, M. T., & Dama, U. B. (2024). Analisis Sentimen Berdasarkan pada Twitter ( X ) terhadap Layanan Indihome Menggunakan Algoritma Support Vector Machine ( SVM ) Magister Teknik Informatika , Universitas Bina Dama , Palembang , Indonesia Informasi Artikel diakses menggunakan beberapa prov. JUMINTAL: Jurnal Manajemen Informatika Dan Bisnis Digital, 3(2), 58–71. https://doi.org/10.55123/jumintal.v3i2.4449
Rivaldi, R. C., & Wismarini, T. D. (2024). Analisis Sentimen Pada Ulasan Produk Dengan Metode Natural Language Processing (NLP) (Studi Kasus Zalika Store 88 Shopee). Jurnal Ilmiah Elektronika Dan Komputer, 17(1), 120–128.
Saragih, R. R. (2018). Pemrograman dan bahasa pemrograman.
Seftino, D. B., Anargya, R. D., Fidly, Y. A., & Rakhmawati, N. A. (2024). Analisis Sentimen Masyarakat Indonesia terhadap Kasus Ujaran Kebencian oleh Akun Fufufafamelalui Platform X Menggunakan Algoritma SVM. Etika Teknologi Informasi, 1(1), 1–9. https://doi.org/10.5281/zenodo.14280758
Sormin, S. K., & Malik, F. D. M. (2024). Perilaku Konsumsi Terhadap Boikot Produk Pro Israel. Karimah Tauhid, 3, 3114–3120.
Sulaeman, A. S., Sujjada, A., & Kharisma, I. L. (2024). Penerapan Algoritma Cerdas Bidirectional Encoder Refresentations From Transformers Dalam Menganalisis Opini Publik Terhadap Produk Yang Mengalami Boikot. Jurnal Invotek Polbeng - Seri Informatika, 9(1), 460–473.
Suryati, Emi ; Styawati ; Aldino, A. A. (2023). Analisis Sentimen Transportasi Online Menggunakan Ekstraksi Fitur Model Word2vec Text Embedding Dan Algoritma Support Vector Machine ( SVM ). Jurnal Teknologi Dan Sistem Informasi, 4(1), 96–106.
Wandani, A. F. A. (2021). Sentimen Analisis Pengguna Twitter pada Event Flash Sale Menggunakan Algoritma K-NN , Random Forest , dan Naive Bayes. Jurnal Sains Komputer & Informatika (J-SAKTI), 5(2), 651–665.
Yustihan, S. R., & Adikara, P. P. (2021). Analisis Sentimen berbasis Aspek terhadap Data Ulasan Rumah Makan menggunakan Metode Support Vector Machine ( SVM ). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 5(3), 1017–1023.
Yusupa, A. (2024). Perbandingan Algoritma Maching Learning dalam Analisis Sentimen Mobil Listrik di Indonesia pada Media Sosial Twitter/X. JIP (Jurnal Informatika Polinema), 10(4), 479–489. https://doi.org/10.33795/jip.v10i4.5130.
Downloads
Published
2026-04-28
How to Cite
Ahmad, F. S., & Hadiwandra, T. Y. (2026). Analisis Sentimen Opini Publik Terhadap Boikot KFC pada Media Sosial X (Twitter) Menggunakan Algoritma Support Vector Machine (SVM) . Jurnal Aplikasi Teknologi Informasi Dan Manajemen (JATIM), 7(1), 79–90. Retrieved from https://journal.uim.ac.id/index.php/jatim/article/view/3719
Issue
Section
Articles
