Abstract:Abstract: Rohingya refugees continue to arrive in Aceh by sea by boat. Based on data from the United Nations High Commissioner for Refugees (UNCHR), as of December 10 2023, 1,543 Rohingya refugees had landed in Aceh since…
e mid-November 2023. The increasing number of refugees arriving has caused resistance from local residents. This rejection was the result of the bad experiences of Acehnese people with Rohingya refugees. The main problem of this research is that analyzing public opinion on Rohingya ethnicity in Indonesia is still done manually by looking at tweets one by one. The solution to overcome this is to analyze opinions using data crawling with the Naïve Bayes algorithm. The purpose of this research is to determine public opinion on Twitter media regarding refugee refugees. The method used in this research is the Naïve Bayes algorithm method. The results of the research show that the Naïve Bayes algorithm can classify public opinion sentiment on Twitter social media towards the Rohingya Ethnic in Indonesia into positive sentiment. and negative with a total accuracy of 70%. So, the words "Rohingya Ethnicity in Indonesia" tend to be accepted by the X community with the arrival of Rohingya refugees in Indonesia.
Keywords: rohingya; twitter; naïve bayes; opinion
Abstrak: Pengungsi Rohingya terus berdatangan ke Aceh melalui jalur laut dengan menggunakan perahu. Berdasarkan hasil data United Nations High Commissioner for Refugees (UNCHR), per 10 Desember 2023 sebanyak 1.543 pengungsi Rohingya datang ke dalam wilayah Aceh. Meningkatnya jumlah pengungsi yang datang menimbulkan perlawanan dari warga setempat. Penolakan ini imbas dari pengalaman buruk warga Aceh terhadap pengungsi Rohingya. Permasalahan utama penelitian ini yaitu menganalisis opini publik terhadap Etnis Rohingya di Indonesia masih secara manual dengan melihat tweet satu persatu. Solusi mengatasi hal tersebut maka analisis opini menggunakan crawling data dengan algoritma Naïve Bayes. Tujuan penelitian ini untuk mengetahui opini publik pada media twitter terkait pengungsi Rohingya. Metode yang digunakan dalam penelitian ini yaitu metode algoritma Naïve Bayes. Hasil penelitian menunjukan bahwa pada algoritma Naïve Bayes dapat mengklasifikasikan sentimen dengan total akurasi 70%. Maka “Etnis Rohingya di Indonesia†cenderung dapat diterima oleh masyarakat X dengan datangnya pengungsi Rohingya di Indonesia.
Kata kunci: rohingnya; twitter; naïve bayes; opini
Abstract:Abstract: There are a great number of academics that are now conducting research on sentiment analysis by employing supervised and machine learning techniques. The research can be carried out with the assistance of a variety…
iety of sources, including reviews of movies, reviews of Twitter, reviews of online products, blogs, discussion forums, and other social networks. With the progress of technology, individuals may now effortlessly utilize social media platforms to access and share information, as well as express their viewpoints to the general public, without any constraints of distance or time. Twitter is a social media network that serves as a repository for opinions. Diverse techniques are employed to provide optimal and realistically precise pressure detection. The analysis and discussion affirm that the Support Vector Machine (SVM) was effectively employed in this study, utilizing public opinion data on television program reviews in Indonesia. An SVM classifier is employed to examine the Twitter data set by utilizing various parameters. The study successfully completed the preprocessing process by collecting a total of 400 data points, consisting of 320 reviews from 4 television shows for training data and 80 reviews for testing. The data was filtered and classified using SVM, with 200 positive and 200 negative data points for comparison. The experiment utilized the SVM method using TF-IDF to achieve the most accurate test results. The test accuracy was 80%, while the training data accuracy reached 100%.
Keywords: Sentiment Analysis; Support Vector Machine; Television Shows Review, TF-IDF,
Abstrak: Saat ini, banyak akademisi sedang menyelidiki analisis sentimen melalui pemanfaatan teknik yang diawasi dan pembelajaran mesin. Kajian dapat dilakukan dengan menggunakan beberapa sumber seperti review film, review Twitter, review produk online, blog, forum diskusi, atau jejaring sosial lainnya. Dengan kemajuan teknologi, masyarakat kini dapat dengan mudah memanfaatkan platform media sosial untuk mengakses dan berbagi informasi, serta menyampaikan pandangan mereka kepada masyarakat umum, tanpa batasan jarak dan waktu. Twitter adalah jaringan media sosial yang berfungsi sebagai gudang opini. Beragam teknik digunakan untuk menghasilkan deteksi tekanan yang optimal dan presisi secara realistis. Analisis dan pembahasan menegaskan bahwa Support Vector Machine (SVM) efektif digunakan dalam penelitian ini, memanfaatkan data opini publik tentang review program televisi di Indonesia. Pengklasifikasi SVM digunakan untuk memeriksa kumpulan data Twitter dengan memanfaatkan berbagai parameter. Penelitian berhasil menyelesaikan proses preprocessing dengan mengumpulkan total 400 titik data yang terdiri dari 320 review dari 4 acara televisi untuk data pelatihan dan 80 review untuk pengujian. Data disaring dan diklasifikasikan menggunakan SVM, dengan 200 titik data positif dan 200 titik data negatif sebagai perbandingan. Percobaan ini menggunakan metode SVM dengan menggunakan TF-IDF untuk mencapai hasil pengujian yang paling akurat. Akurasi pengujiannya mencapai 80%, sedangkan akurasi data pelatihan mencapai 100%.
Kata kunci: Analisis Sentimen, Review Tayangan Televisi, TF-IDF, Support Vector Machine
Abstract:Abstract: Twitter, as a social media platform, has rapidly grown as a means for people to express their opinions and thoughts on various topics, including education. The number of Twitter users surged to 10.645.000 in 2020,…
20, with a significant increase during the pandemic. Telkom University, as a private institution of higher education in Indonesia, has become one of the topics of discussion on Twitter. Users’ opinions about Telkom University vary, ranging from positive to negative. To gain deeper insights into public view, sentiment analysis is essential. The analysis follows the Knowledge Discovery in Databases (KDD) process, utilizing the Naive Bayes classification algorithm. The evaluation results indicate the best accuracy achieved with an 80:20 data split, resulting in an accuracy rate of 82.05%, precision of 82.3%, recall of 82.05%, and F1-Score of 82.08%. The Naïve Bayes model demonstrates good performance for sentiment analysis of public views regarding Telkom University on Twitter.
Keywords: naïve bayes; sentiment analysis; twitter; telkom university.
Abstrak: Media sosial Twitter berkembang pesat sebagai sarana masyarakat berekspresi untuk menuangkan opini dan pikiran mereka mengenai topik apapun, termasuk pendidikan. Pengguna Twitter meningkat tajam hingga 10.645.00 pengguna pada tahun 2020 dan terus meningkat selama pandemi. Telkom University sebagai perguruan tinggi menjadi salah satu topik yang dibicarakan yang berkaitan dengan pendidikan. Pendapat mengenai Telkom University yang diungkapkan oleh pengguna Twitter beragam, baik positif maupun negatif. Analisis sentimen diperlukan untuk memahami pandangan publik lebih mendalam. Digunakan tahapan Knowledge Discovery in Databases dan algoritma klasifikasi Naïve Bayes dalam analisis ini. Hasil evaluasi menunjukkan akurasi paling baik dicapai dengan rasio data 80:20, dengan nilai akurasi sebesar 82.05%, nilai presisi sebesar 82.3%, nilai recall sebesar 82.05%, dan nilai F1-Score sebesar 82.08%. Model klasifikasi Naïve Bayes memiliki performa baik untuk analisis sentimen pandangan publik di Twitter mengenai Telkom University.
Kata kunci: analisis sentimen; naïve bayes; twitter; telkom university.
Abstract:Abstract: The JKN Mobile application is a mobile application created to facilitate healthcare administration in Indonesia since 2017. The application has been downloaded by over 10 million users and has received 484,000…
diverse reviews, including positive, negative, and neutral feedback. The average rating given by users is 4.5 out of 5 stars. This research aims to perform sentiment analysis on user reviews found in the Google Play Store review column. The methods used for sentiment analysis are Naive Bayes, K-Nearest Neighbor (K-NN), and Support Vector Machine (SVM). The test results show that with a 10% test data and 90% training data proportion, the SVM method achieves the highest accuracy of 95%. Naive Bayes follows with an accuracy of 87%, and K-NN with an accuracy of 75%.
Keywords: JKN mobile application, sentiment analysis, naive bayes, k-nearest neighbor (K-NN), support vector machine (SVM).
Abstrak: Aplikasi Mobile JKN adalah sebuah aplikasi yang dibuat untuk mempermudah administrasi kesehatan di Indonesia sejak tahun 2017. Aplikasi ini telah diunduh lebih dari 10 juta pengguna dengan 484 ribu ulasan beragam positif, negatif, dan netral. Rata-rata rating yang diberikan pengguna adalah 4,5 bintang dari 5 bintang. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna yang terdapat di kolom review Google Play Store. Metode yang digunakan untuk analisis sentimen adalah Naive Bayes, K-Nearest Neighbor (K-NN), dan Support Vector Machine (SVM). Hasil pengujian menunjukkan bahwa dengan menggunakan proporsi data uji sebesar 10% dan data training sebesar 90%, metode SVM mencapai akurasi tertinggi sebesar 95%. Diikuti oleh Naive Bayes dengan akurasi 87%, dan K-NN dengan akurasi 75%.
Kata kunci: JKN mobile, analisis sentimen, naïve bayes, k-nearest neighbor (K-NN), support vector machine (SVM).
Abstract:Abstract: The Presidential general election on 2019 became one of the most popular topics on twitter nowdays. The society give their opinion about the pair of candidates that they are support through the social media.…
ia. This research was predicts about the society sentimens toward the candidates of President and Vice President of Republic of Indonesia. The data was used based on the tweet on the @jokowi twitter account. The retrieval of data by using the Tweepy library with the Python 2.7 programming language. This research was classified became of two of society sentiments classes, namely positive and negative. The modeling was used of the weighting method Unigram, Bigram, Trigram, N-Gram (1-2) and N-Gram (1-3) that used the Naïve Bayes Algorithm on the Weka Application. The modeling data was used by the dataset of 646 sentences. The highest results of this reseach were obtained by Unigram Weighting, namely: 81.4% accuracy, 81.5% precision, 81.3% recall with a time of 0.3 s.
Keywords: classification, naïve bayes, 2019 presidential election, twitter, unigram
Abstrak: Pemilihan Umum tentang Pilpres 2019 menjadi salah satu topik yang ramai diperbincangkan di Twitter. Adu pendapat di sosial media oleh masyarakat mengandung opini terhadap pasangan calon yang didukungnya. Penelitian ini memprediksi sentimen masyarakat kepada pasangan calon Presiden dan Wakil Presiden Republik Indonesia. Data yang digunakan adalah tweet yang ada pada akun Twitter @jokowi. Pengambilan data menggunakan library Tweepy dengan bahasa pemrograman Python 2.7. Penelitian ini mengklasifikasi sentimen masyarakat menjadi 2 kelas, yaitu positif dan negatif. Kemudian dilakukan pemodelan dengan metode pembobotan Unigram, Bigram, Trigram, N-Gram (1-2) Dan N-Gram (1-3) menggunakan Algoritme Naïve Bayes pada Aplikasi Weka. Pembuatan model menggunakan dataset yang berjumlah 646 kalimat. Hasil tertinggi yang diperoleh pada penelitian ini adalah dengan menggunakan Pembobotan Unigram, yaitu : akurasi 81,4%, presisi 81,5 % , recall 81,3 % dengan catatan waktu 0,3s.
Kata kunci: klasifikasi, naïve bayes, pilpres 2019, twitter, unigram.
Abstract:Dakwah adalah strategi/cara ulama’ atau orang yang memiliki pengetahuan agama untuk mengajak seseorang kepada tujuan kebaikan dan menghindari keburukan dengan cara-cara tertentu tanpa adanya paksaan. Penelitian ini mendiskripsikan…
diskripsikan tentang analisis strategi dakwah gus Iqdam, strategi dakwah sentimental, strategi dakwah rasional, dan strategi dakwah indrawi. Penelitian ini merupakan penelitian kepustakaan dengan pendekatan kualitatif. Teknik analisis data yang digunakan dalam penelitian ini adalah analisis isi. Hasil dari penelitian ini menunjukkan bahwa 1) strategi dakwah sentimental dalam strategi dakwah gus Iqdam dilakukan dengan mauidzoh hasanah menggunakan bahasa yang santai dan mudah dipahami. 2) strategi dakwah rasional dalam strategi dakwah gus iqdam, beliau selalu mengajak jama’ahnya untuk mengambil pelajaran saat pengajian beliau. 3) strategi dakwah indrawi dalam strategi dakwah gus Iqdam, beliau memberikan tauladan yang baik kepada jama’ahnya.
Abstract:This research examines the intricate relationships between company size, growth in cash flow, and stock performance, revealing complexities that challenge traditional financial analysis. While company size is often associated…
iated with stable stock performance due to advantages such as economies of scale and market power, the findings indicate that size alone does not positively impact stock performance. Furthermore, the study demonstrates that growth in cash flow does not significantly moderate the relationship between company size and stock performance. This suggests that external factors, such as regulatory changes or market sentiment, may play a more decisive role. The results underscore that cash flow, while an important indicator of financial health, does not enhance the influence of company size on stock performance, particularly in certain industries where external conditions prevail. This underscores the need for a more comprehensive evaluation approach that considers a broader range of factors when assessing stock performance. It's time to move beyond traditional metrics like profitability and cash flow growth and equip ourselves with a more robust set of tools for analysis. Ultimately, this research advocates for a multifactorial approach to stock performance evaluation, emphasizing the importance of understanding the interplay between various variables, including industry trends and macroeconomic conditions. By adopting this comprehensive perspective, investors and analysts can make more informed decisions and strategies, enhancing their ability to navigate the complexities of the financial markets.
Abstract:Penelitian ini bertujuan menganalisis strategi content marketing Unihouse dalam membangun dan memperkuat brand image di tengah persaingan hunian mahasiswa di Salatiga. Permasalahan utama penelitian ini adalah rendahnya citra…
itra merek Unihouse dibandingkan kompetitor, yang tercermin dari ulasan pelanggan dan penurunan persepsi publik di media digital. Penelitian menggunakan pendekatan kualitatif deskriptif dengan teknik pengumpulan data melalui wawancara semi-terstruktur, observasi aktivitas media sosial, dan dokumentasi. Analisis data dilakukan menggunakan model interaktif melalui reduksi data, penyajian data, dan penarikan kesimpulan. Hasil penelitian menunjukkan bahwa Unihouse menerapkan strategi content marketing yang terstruktur melalui delapan tahapan utama, yaitu goal setting, audience mapping, content ideation and planning, content creation, content distribution, content amplification, content marketing evaluation, dan content marketing improvement. Strategi ini diimplementasikan melalui pemanfaatan media sosial (Instagram dan Facebook), integrasi paid, owned, dan earned media, serta evaluasi berbasis data (reach, engagement, conversion, dan sentimen audiens). Konten visual yang autentik, storytelling, penggunaan hashtag, call to action, serta optimalisasi electronic word of mouth (e-WOM) berkontribusi dalam membangun asosiasi merek yang modern, profesional, dan relevan dengan gaya hidup mahasiswa. Temuan penelitian menegaskan bahwa content marketing yang adaptif dan berkelanjutan, didukung pengalaman layanan yang konsisten, menjadi determinan utama dalam pembentukan brand image yang kredibel dan berdaya saing pada bisnis jasa hunian berbasis lokal.
Abstract:Penelitian bertujuan untuk menganalisis sentimen masyarakat terhadap pariwisata Pantai di Kabupaten Belitung khususnya dengan studi kasus Pantai Tanjung Pendam. Metode penelitian memanfaatkan data yang diperoleh dari 286…
ulasan Google Review periode 2016-2026 dan dianalisis menggunakan pendekatan analisis sentimen, distribusi rating, word frequency, wordcloud, dan analisis korelasi temporal sebelum dan setelah pandemi COVID-19. Hasil penelitian menunjukan persepsi pengunjung terkait destinasi sangat positif dengan presentase 90,2% ulasan tergolong sentimen positif, 7,7% netral, dan 2,1% negatif. Distribusi rating memperkuat temuan tersebut, di mana lebih dari 90% ulasan berada pada rating 4 dan 5, dengan rating 5 mencapai 65%. Hasil lain turut menunjukan analisis kata dominan menunjukan daya tarik utama destinasi terletak pada keindahan panorama, khususnya pemandangan matahari terbenam(sunset), suasana nyaman dan kesesuaian sebagai destinasi wisata keluarga. Sentimen negatif yang relatif kecil umumnya berkaitan dengan fasilitas, pengelolaan kawasan dan aspek kebersihan. Uji korelasi Pearson menunjukkan nilai 0,99 (p < 0,05), yang mengindikasikan hubungan sangat kuat antara pola persepsi wisatawan sebelum dan sesudah pandemi, sehingga struktur narasi pengalaman wisata cenderung stabil secara temporal. Kesimpulan menunjukan destinasi ini memiliki citra positif yang kuat dan tingkat kepuasan pengunjung yang tinggi, sekaligus memberi rekomendasi bagi pengelola dalam meningkatkan kualitas serta fasilitas dan pengelolaan.
Abstract:Abstrak penelitian ini mengkaji fenomena penyaluran bantuan beras pasca-bencana yang kerap menjadi perbincangan hangat di media sosial X. Tujuan utama penelitian adalah untuk memetakan persepsi masyarakat terhadap kredibilitas…
ilitas dan ketepatan sasaran distribusi bantuan tersebut menggunakan algoritma Naive Bayes. Metode yang digunakan meliputi pengumpulan data berbasis kata kunci relevan, pembersihan data (preprocessing), dan klasifikasi sentimen. Hasil penelitian menunjukkan bahwa Naive Bayes mampu mengidentifikasi kecenderungan opini publik secara akurat, baik berupa dukungan maupun keluhan terkait prosedur distribusi. Implikasi dari penelitian ini diharapkan dapat menjadi rujukan bagi pemangku kebijakan dalam mengevaluasi sistem penyaluran bantuan logistik agar lebih transparan dan responsif terhadap aspirasi masyarakat di ruang digital.