MUHAMMAD RIFKI, - (2025) KLASIFIKASI SENTIMEN KOMENTAR YOUTUBE TERHADAP KEDATANGAN PENGUNGSI ROHINGYA KE INDONESIA MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text SKRIPSI TANPA BAB IV - M Rifki.pdf Download (6MB) | Preview
	Text (BAB IV) SKRIPSI BAB IV - M Rifki.pdf - Published Version Restricted to Repository staff only Download (1MB)

Abstract

Krisis kemanusiaan yang menimpa etnis Rohingya telah menjadi sorotan dunia, termasuk di Indonesia sebagai salah satu negara tujuan pengungsi. Penelitian ini berfokus pada klasifikasi sentimen masyarakat terhadap kedatangan pengungsi Rohingya di Indonesia, menggunakan komentar di platform YouTube sebagai data utama. Metode yang digunakan dalam penelitian ini adalah Naïve Bayes Classifier, sebuah algoritma pembelajaran mesin yang dikenal bagus dalam klasifikasi teks. Data penelitian terdiri dari 1817 komentar YouTube yang diambil dari dua video pada channel Investigasi tvOne dan BBC News Indonesia. Komentar dilabeli secara manual dan divalidasi oleh guru bahasa indonesia yang menghasilkan 580 komentar positif dan 1237 komentar negatif. Setelah dilakukan semua proses text preprocessing, pembobotan TF-IDF serta pengujian, hasil klasifikasi tanpa SMOTE menunjukkan accuracy 87,36%, precision 98,26%, recall 62,78%, dan f1-score 76,61% pada rasio data 70:30. Sebaliknya, dengan SMOTE, performa model meningkat secara signifikan dengan accuracy 94,98%, precision 94,98%, recall 94,98%, dan f1-score 94,98% pada rasio data 80:20. Kesimpulannya, penerapan SMOTE secara efektif meningkatkan kinerja model Naïve Bayes Classifier dalam menangani ketidakseimbangan data sentimen pada komentar YouTube.

Actions (login required)

View Item