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, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (640kB)
	Text DAFTAR_PUSTAKA.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (405kB)
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
	Text BAB_III.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (569kB)
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (944kB)
	Text BAB_V.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (333kB)
	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)
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
Sustainable Development Goals:	Goal 04. Ensure inclusive and equitable quality education and promote lifelong learning Goal 09. Build resilient infrastructure, promote inclusive and sustainable industrialization and foster innovation
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