Dandi, Dandi (2021) Image Classification untuk Mendeteksi Hate Speech pada Memes Menggunakan FixEfficientNet-L2. Bachelor Thesis, Universitas Multimedia Nusantara.
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) |
---|---|
Creators: | Dandi, Dandi (00000020859) |
Contributors: | Evelin Johan, Monika |
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 |
Date Deposited: | 24 Aug 2021 15:58 |
URI: | https://kc.umn.ac.id/id/eprint/17208 |
Actions (login required)
![]() |
View Item |