<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="1708535">
 <titleInfo>
  <title>ANALISIS SENTIMEN PUBLIK PASCA 20 RNTAHUN GEMPA DAN TSUNAMI ACEH MENGGUNAKAN  INDOBERT DAN NAIVE BAYES</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Azran</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas MIPA (S1)</publisher>
   <dateIssued>2026</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Gempa bumi berkekuatan 9,2 Skala Richter yang mengguncang Aceh pada 26 Desember&#13;
2004 dan diikuti oleh gelombang tsunami dahsyat menyebab lebih dari 173 ribu jiwa&#13;
meninggal dunia. Kejadian ini, menimbulkan dampak sosial dan psikologis yang&#13;
mendalam bagi masyarakat. Dua puluh tahun setelah peristiwa tersebut, perbincangan&#13;
publik mengenai tragedi ini masih aktif di berbagai platform digital, terutama media&#13;
sosial. Penelitian ini bertujuan untuk menganalisis sentimen publik 20 tahun gempa dan&#13;
tsunami Aceh dengan membandingkan dua model pembelajaran mesin, yaitu IndoBERT&#13;
dan Naive Bayes. Data diperoleh dari media sosial Twitter, YouTube, dan TikTok&#13;
untuk mengidentifikasi ekspresi opini masyarakat terhadap peristiwa bersejarah tersebut.&#13;
Dataset melalui tahap cleaning, augmentation (menggunakan synonym replacement&#13;
serta kombinasi synonym replacement–random swap), dan pelabelan sentimen menjadi&#13;
positif, negatif, dan netral. Hasil eksperimen menunjukkan bahwa model IndoBERT&#13;
dengan learning rate 1e−5 pada dataset kombinasi augmentasi menghasilkan performa&#13;
terbaik dengan akurasi sebesar 95%, sedangkan pada dataset synonym replacement&#13;
dengan learning rate 5e−6 akurasi yang diperoleh adalah 80%.Sementara itu, model&#13;
Naive Bayes menunjukkan hasil yang bervariasi tergantung pada teknik augmentasi&#13;
yang digunakan.Pada dataset kombinasi synonym replacement–random swap, model ini&#13;
mencapai akurasi tertinggi sebesar 86%, sedangkan pada dataset synonym replacement&#13;
akurasi yang diperoleh adalah 69%. Hal ini menunjukkan bahwa penambahan variasi&#13;
kata melalui kombinasi augmentasi mampu meningkatkan kemampuan generalisasi&#13;
model IndoBERT dan Naive Bayes.Temuan ini menunjukkan bahwa IndoBERT&#13;
memiliki kemampuan yang lebih unggul dalam memahami konteks dan semantik&#13;
bahasa Indonesia dibandingkan pendekatan probabilistik Naive Bayes. Penelitian ini&#13;
berkontribusi dalam pengembangan analisis sentimen berbasis bahasa Indonesia dan&#13;
dapat menjadi acuan dalam memahami pola komunikasi publik di media sosial terkait&#13;
peristiwa bersejarah berskala besar seperti bencana alam.&#13;
&#13;
Kata Kunci: Analisis Sentimen, IndoBERT, Naive Bayes, Tsunami Aceh, Pembelajaran&#13;
Mesin.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>1708535</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2026-01-15 16:09:03</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2026-01-15 16:16:00</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>