OPINION MINING TERHADAP PENANGANAN ROHINGYA DI PROVINSI ACEH MENGGUNAKAN NAÏVE BAYES PADA MEDIA SOSIAL TWITTER
DOI:
https://doi.org/10.23960/jitet.v12i3.4990Abstract Views: 196 File Views: 156
Abstract
Asia Tenggara dikenal dengan kekayaan budaya dan etnis yang beragam, namun kerap menghadapi konflik dan intoleransi antarkelompok. Kasus Rohingya menyoroti dampak negatif dari perbedaan ini, sering dibahas di platform Twitter. Untuk mengidentifikasi gambaran tentang penanganan Rohingya di Aceh, penelitian ini menggunakan metode KDD (Knowledge Discovery in Database). Proses ini mencakup seleksi, preprocessing, transformasi, data mining, dan evaluasi. Studi ini menunjukkan bahwa skenario 90:10 dengan pelabelan Inset Lexicon dan SMOTE menghasilkan akurasi model yang meningkat dari 80% menjadi 83%, dengan presisi 88%, recall 76%, dan f-measure 81%. Penggunaan Naïve Bayes untuk menganalisis sentimen dari 2.584 tweet Twitter menunjukkan hasil yang menjanjikan. Rekomendasi untuk penelitian mendatang mencakup pengumpulan data yang lebih luas dan pertimbangan algoritma seperti Random Forest atau Support Vector Machine. Pemerintah perlu mengadopsi kebijakan inklusif untuk memfasilitasi integrasi Rohingya di Aceh, sementara UNHCR harus meningkatkan advokasi dan kerjasama dengan pemerintah serta meningkatkan kesadaran masyarakat tentang integrasi pengungsi.Downloads
References
S. Nisrina and R. Wachid, “Peran International Organization for Mitigation (IOM) dalam Menangani,” Jurnal Independen, p. 41, 2023.
D. Nada, “Peran Pemerintah Dalam Menangani Pengungsi Rohingya Di Kota Lhokseumawe (Studi pada Kantor Imigrasi Kelas II TPI kota Lhokseumawe),” Kajian Administrasi Negara:Riset Dan Pengabdian, p. 46, 2021.
A. Syahrin, “Dimensi Hak Asasi Manusia Dalam Penanganan Kasus Pengungsi Rohingya: Pendekatan Hukum Interdisipliner,” Lex Librum : Jurnal Ilmu Hukum, pp. 898-899, 2019.
D. Darwis, E. Pratiwi and A. Pasaribu, “Penerapan Algoritma Svm Untuk Analisis Sentimen Pada Data Twitter Komisi Pemberantasan Korupsi Republik Indonesia,” Jurnal Ilmiah Edutic, 2020.
D. Darwis, N. Siskawati and Z. Abidin, “Penerapan Algoritma Naive Bayes untuk Analisis Sentimen Review Data Twitter BMKG Nasional,” Jurnal TEKNO KOMPAK, vol. 15, pp. 131-145, 2021.
C. Hasri and D. Alita, “Penerapan Metode Naïve Bayes Classifier Dan Support Vector Machine Pada Analisis Sentimen Terhadap Dampak Virus Corona Di Twitter,” Jurnal Informatika dan Rekayasa Perangkat Lunak (JATIKA), vol. 3, pp. 145-160, 2022.
I. Rahman, A. Hasanah and N. Heryana, “Analisis Sentimen Ulasan Pengguna Aplikasi Samsat Digital Nasional (Signal) Dengan Menggunakan Metode Naïve Bayes Classifier,” JITET (Jurnal Informatika dan Teknik Elektro Terapan), vol. 12, pp. 963-969, 2024.
M. Azahri, N. Sulistiyowati and M. Jajuli, “Analisis Sentimen Pengguna Kereta Api Indonesia Melalui Sosial Media Twitterdengan Algoritma Naïve Bayes Classifier,” JATI(Jurnal Mahasiswa Teknik Informatika), 2023.
C. Fadilah and D. Alita, “Penerapan Metode Naïve Bayes Classifier Dan Support Vector Machine Pada Analisis Sentimen Terhadap Dampak Virus Corona Di Twitter,” Jurnal Informatika dan Rekayasa Perangkat Lunak (JATIKA), 2022.
U. S, “Penerapan Data Mining Dengan Mengimplementasikan Algoritma K-Means Dalam Proses Clustering Untuk Pengelompokan Mahasiswa Calon Penerima Beasiswa KIP,” Building of Informatics, Technology and Science (BITS), pp. 70-85, 2023.
A. Fauziyyah and D. Gautama, “Analisis Sentimen Pandemi Covid-19 Pada Streaming Twitter Dengan Text Mining Python,” Jurnal Ilmiah Sinus (JIS), 2020.
A. Fairuz, A. Ramadhani and N. Tanjung, “Analisis Sentimen Masyarakat Terhadap COVID-19 Pada Media Sosial Twitter,” Jurnal DINDA (Indonesian Journal of Data Science, IOT, Machine Learning and Artificial Intelligence), 2021.
Nurhachita and E. Negara, “A Comparison Between Naïve Bayes and The K-Means Clustering Algorithmfor The Application of Data Mining on The Admission of New Students,” Jurnal Intelektualita: Keislaman, Sosial, dan Sains, 2020.
