Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Sodality: Jurnal Sosiologi Pedesaan Paramita: Historical Studies Journal Al-Tahrir: Jurnal Pemikiran Islam SIENNA
Muhammad Obie
Mahasiswa Program Doktor pada Program Studi Sosiologi Pedesaan, Sekolah Pascasarjana, IPB, Dosen pada Fakultas Tarbiyah dan Ilmu Keguruan, IAIN Sultan Amai, Gorontalo
Religion Arts Humanities Computer Science & IT Engineering Environmental Science Social Sciences Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : SIENNA

 1 
Analisis Sentimen Terhadap Pengungsi Rohingya Di Aceh Menggunakan Algoritma Naive Bayes dan Support Vector Machine Obie, Muhammad; M. Abu Jihad Plaza R.
Sienna Vol 5 No 2 (2024): Sienna Volume 5 Nomor 2 Desember 2024
Publisher : LPPM Universitas Muhammadiyah Kotabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47637/sienna.v5i2.1430

Abstract

Krisis kemanusiaan di Myanmar pada 2017 menyebabkan gelombang pengungsi Rohingya mencari perlindungan di negara-negara tetangga, termasuk Indonesia. Aceh menjadi salah satu daerah transit bagi pengungsi Rohingya, namun tidak selalu disambut dengan baik oleh sebagian masyarakat setempat. Terdapat dukungan bahkan penolakan terhadap pengungsi Rohingya di Aceh, bukan hanya dari masyarakat setempat tetapi juga masyarakat Indonesia yang memperhatikan isu ini, seperti yang tercermin dalam berbagai komentar dan opini di media sosial seperti X dan Youtube. Oleh karena itu, diperlukan analisis sentimen melalui platform media sosial tersebut untuk memahami pandangan masyarakat terhadap isu pengungsi Rohingya di Aceh. Penelitian ini menggunakan metode SEMMA yang terdiri atas sample, explore, modify, model dan assess. Algoritma klasifikasi yang digunakan pada penelitian ini adalah algoritma naive bayes dan algoritma support vector machine (SVM). Algoritma klasifikasi Naive Bayes mendapatkan akurasi sebesar 53,57% sedangkan algoritma klasifikasi support vector machine mendapatkan akurasi sebesar 68,40%. Algoritma support vector machine lebih unggul 14,83% dari algoritma naive bayes sehingga algoritma support vector machine memiliki performa yang lebih baik pada penelitian ini dibandingkan dengan algoritma naive bayes.
Co-Authors Badu Pakuna, Hatim Endriatmo Soetarto Hunowu, Momy M. Abu Jihad Plaza R. Saharuddin Titik Soemarti Titik Sumarti Yowan Tamu