Image Classification untuk Mendeteksi Hate Speech pada Memes Menggunakan FixEfficientNet-L2

Dandi, Dandi (2021) Image Classification untuk Mendeteksi Hate Speech pada Memes Menggunakan FixEfficientNet-L2. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (640kB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (405kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (531kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (780kB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (569kB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (944kB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (333kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (589kB)

Abstract

Di Indonesia kasus penyebaran hate speech terdapat sebanyak 3.325 pada tahun 2017, berdasarkan populernya meme dan banyaknya kasus hate speech di Indonesia penelitian ini akan membuat sebuah model image classification menggunakan model FixEfficientNet-L2 dengan tujuan agar dapat mengidentifikasi meme yang mengandung hate speech dan meme tidak mengandung hate speech. Penelitian ini menggunakan dataset yang disediakan oleh tim Facebook AI berjumlah 9.540 data dan akan dibagi menjadi tiga bagian training, validation dan testing data. Sebelumnya dilakukan tahap - tahap preprocessing pada data sehingga data dapat dipelajari oleh model. Hasil akurasi tertinggi yang didapatkan dari model FixEfficientNet-L2 dengan beberapa konfigurasi berbeda dalam mengklasifikasikan meme adalah 54,8% untuk validation dan 63% untuk testing, akurasi tersebut sudah mengalami peningkatan dari penelitian terdahulu sebanyak 2% untuk validation dan 10% untuk testing.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Convolutional Neural Network, FixEfficientNet-L2, hate speech, Image Classification, Meme
Subjects:	300 Social Sciences > 300 Social sciences, sociology and anthropology > 305 Groups of People (Incl. social identity, Discrimination, Gender Equality, Social Status) > 305.5 Social Classes
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	24 Aug 2021 15:58
Last Modified:	14 Jul 2023 07:22
URI:	https://kc.umn.ac.id/id/eprint/17208

Actions (login required)

View Item