Implementasi Metode TF-IDF dan Support Vector Machine pada Aplikasi Pendeteksi Komentar Bersifat Bullying

Darson, Eric (2019) Implementasi Metode TF-IDF dan Support Vector Machine pada Aplikasi Pendeteksi Komentar Bersifat Bullying. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img] Text
HALAMAN_AWAL.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)
[img]
Preview
Text
DAFTAR_PUSTAKA.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (896kB) | Preview
[img]
Preview
Text
BAB_I.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (897kB) | Preview
[img]
Preview
Text
BAB_II.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img]
Preview
Text
BAB_III.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (2MB) | Preview
[img] Text
BAB_IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)
[img]
Preview
Text
BAB_V.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (994kB) | Preview
[img] Text
LAMPIRAN.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)

Abstract

Cyber bullying adalah salah satu permasalahan yang muncul dengan semakin populernya media sosial dan pengadopsiannya yang cepat dalam kehidupan sehari-hari. Deteksi cyber bullying dalam penggunaan platform online menjadi sangat penting dikarenakan terlalu banyak informasi yang tidak mungkin untuk dilacak oleh manusia. Salah satu metode machine learning untuk mengatasi masalah ini adalah Support Vector Machine (SVM). Support Vector Machine menerima input berupa vektor. Metode yang cukup sering digunakan untuk mengubah kalimat menjadi bentuk vektornya adalah metode TF-IDF. Pada penelitian ini, 841 komentar akan menjadi data latih dan 211 komentar akan menjadi data uji coba. Dengan menggunakan metode Support Vector Machine dan TF-IDF pada penelitian ini, didapatkan persentase akurasi, presisi, recall, dan f- measure pada angka 76.77%, 78.88%, 74.60%, dan 76.68%.

Item Type: Thesis (Bachelor Thesis)
Keywords: Support Vector Machine, Term Frequency Inverse Document Frequency, Machine Learning, Akurasi, Presisi, Recall, F-Measure
Subjects: 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.5 Application / Software
Divisions: Faculty of Engineering & Informatics > Informatics
SWORD Depositor: Administrator UMN Library
Depositing User: Administrator UMN Library
Date Deposited: 04 Dec 2019 07:30
Last Modified: 22 Aug 2023 07:15
URI: https://kc.umn.ac.id/id/eprint/10405

Actions (login required)

View Item View Item