Analisis Sentimen Terkait Kedatangan Pengungsi Rohingya di Indonesia Menggunakan Algoritma Naive Bayes Classifier dan Pembobotan TF-IDF

Khoir, Abul (2024) Analisis Sentimen Terkait Kedatangan Pengungsi Rohingya di Indonesia Menggunakan Algoritma Naive Bayes Classifier dan Pembobotan TF-IDF. Other thesis, UNIVERSITAS NURUL JADID.

Text Skripsi_2021400141_Abul Khoir_IF.pdf Restricted to Registered users only Download (3MB)

Abstract

Khoir, Abul. 2024. Analisis Sentimen Terkait Kedatangan Pengungsi Rohingya di Indonesia Menggunakan Algoritma Naive Bayes Classifier dan Pembobotan TF-IDF. Skripsi, Prodi Informatika, Fakultas Teknik, Universitas Nurul Jadid Paiton Probolinggo. Pembimbing: (I) Kamil Malik, M.Kom., (II) Wali Ja’far Shudiq, M.Kom.

Kata Kunci: Analisis Sentimen, Rohingya, Naive Bayes Classifier, TF-IDF, YouTube.

Kedatangan pengungsi Rohingya di Indonesia yang dimulai sejak tahun 2008 dan mengalami gelombang besar pada tahun 2015 telah memicu beragam opini di masyarakat. Fenomena migrasi yang terus meningkat ini menimbulkan kekhawatiran terkait potensi penyelundupan manusia serta krisis pengawasan keamanan perbatasan. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat Indonesia terhadap isu tersebut dengan memanfaatkan algoritma Naive Bayes Classifier (NBC) yang dikombinasikan dengan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF). Data penelitian bersumber dari komentar masyarakat pada kanal YouTube Metro TV yang dikategorikan ke dalam tiga label: positif, negatif, dan netral. Tahapan penelitian meliputi pengumpulan data melalui teknik scraping, preprocessing, serta pelabelan otomatis menggunakan Vader Lexicon. Evaluasi model dilakukan dengan menggunakan confusion matrix untuk mengukur nilai accuracy, precision, recall, dan f1-score. Hasil penelitian menunjukkan bahwa penggunaan pembobotan TF-IDF secara signifikan dapat meningkatkan akurasi klasifikasi sentimen. Model yang dilatih dengan rasio pembagian data 90:10 dan random_state 10 berhasil mencapai tingkat akurasi tertinggi sebesar 98%. Temuan ini memberikan kontribusi penting dalam memahami pola persepsi publik terhadap isu Rohingya serta menjadi referensi bagi pengembangan penelitian analisis sentimen di masa depan.

Item Type:	Thesis (Other)
Subjects:	H Social Sciences > H Social Sciences (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Saiful Ghazi
Date Deposited:	28 Apr 2026 07:05
Last Modified:	28 Apr 2026 07:05
URI:	https://repository.unuja.ac.id/id/eprint/3211

Actions (login required)

View Item