Implementasi Metode Multilayer Perceptron dengan Fasttext Word Embedding untuk Klasifikasi Ujaran Kebencian

⭐ Deo Saputra, Hapsara (2021) Implementasi Metode Multilayer Perceptron dengan Fasttext Word Embedding untuk Klasifikasi Ujaran Kebencian. Bachelor Thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (642kB)
	Text DAFTAR_PUSTAKA.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (250kB)
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (226kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (276kB) | Preview
	Text BAB_III.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (580kB)
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (915kB)
	Text BAB_V.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (115kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (430kB)

Abstract

Penelitian ini menjabarkan pembuatan aplikasi klasifikasi ujaran kebencian dengan multilayer perceptron classifier dan fasttext word embeding berbasis web. Aplikasi klasifikasi dibuat berdasarkan dataset yang telah dibuat sebelumnya oleh Ibrohim dan Budi untuk klasifikasi ujaran kebencian dalam Bahasa Indonesia pada sosial media Twitter. Perancangan dan pembuatan aplikasi klasifikasi ini dilakukan dengan menggunakan bahasa pemrograman python, CSS, dan HTML. Hasil implementasi yang memiliki performa terbaik adalah model dengan jumlah dataset yang seimbang dengan pembagian train dan test set 80:20 dan hyperparameter tuning menggunakan GridSearchCV dengan 3 stratified cross validation yang memperoleh model fitur tanpa melalui tahap stemming dan stopwords removal dan proses ekstraksi fitur menggunakan fastText yang dilatih dengan dimensi fitur sebesar 200, batch_size 40, hidden_layer_sizes 100, learning_rate_init 0.0005 dan mas_iter 150 dan diperoleh tingkat performa F1 Score sebesar 82.09%.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Deo Saputra, Hapsara (00000009383)
Contributors:	Christian Young, Julio Suryadibrata, Alethea
Keywords:	ujaran kebencian , fastText, multilayer perceptron
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.3 Programs 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods > 006.7 Multimedia Systems, Blogs, Social Media, Web Application Frameworks 600 Technology (Applied Sciences) > 600 Technology > 600 Technology
Sustainable Development Goals:	Goal 16. Promote peaceful and inclusive societies for sustainable development, provide access to justice for all and build effective, accountable and inclusive institutions at all levels Goal 09. Build resilient infrastructure, promote inclusive and sustainable industrialization and foster innovation
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	24 Aug 2021 19:48
URI:	https://kc.umn.ac.id/id/eprint/15751

Actions (login required)

View Item