Implementasi XGBoost pada Sentimen Analisis Cyberbullying pada Kolom Komentar Instagram

Kurniawanda, Muhamad Riza (2021) Implementasi XGBoost pada Sentimen Analisis Cyberbullying pada Kolom Komentar Instagram. 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 (5MB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (153kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (162kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (570kB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (715kB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (150kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)

Abstract

Pesatnya perkembangan teknologi membuat media sosial marak digunakan oleh khalayak umum, yang menyebabkan dampak negatif salah satunya adalah cyberbullying. Cyberbullying merupakan tindakan mengejek, menghina, mengintimidasi atau mempermalukan orang lain di media sosial. Diperlukan sebuah sistem yang dapat mendeteksi cyberbullying dikarenakan dengan banyaknya informasi yang beredar di media sosial tidak mungkin untuk diproses oleh manusia. Salah satu metode yang cocok untuk mengatasi masalah ini adalah Extereme Gradient Boosting (XGBoost). XGBoost dipilih karena dapat berjalan 10 kali lebih cepat dibandingkan dengan metode Gradient Boosting lainnya. Proses perubahan kalimat menjadi vektor menggunakan metode TF-IDF. Metode TF/IDF dikenal sebagai algoritma yang sederhana namun relevan dalam melakukan pencocokan kata pada sebuah dokumen. XGBoost menerima input berupa vektor yang didapatkan dari proses TF-IDF. Pada penilitian ini, terdapat 1452 komentar yang akan dipecah menjadi data latih dan data uji coba. Dengan menggunakan metode XGBoost dan TF-IDF, mendapatkan nilai akurasi sebesar 75,20%, presisi sebesar 71%, recall sebesar 87%, dan F1-score sebesar 78%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Cyberbullying, Extreme Gradient Boosting Term, Frequency Inverse Document Frequency. viii Implementasi Xgboost Pada Sentimen Analisis Cyberbullying Pada Kolom Komentar Instagram, Muhamad Riza Kurniawanda, Universitas Multimedia Nusantara
Subjects:	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
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	11 Oct 2022 02:07
Last Modified:	18 Aug 2023 00:58
URI:	https://kc.umn.ac.id/id/eprint/20028

Actions (login required)

View Item