Perancangan E-Repository Data Sentimen dan Deteksi Cyberbullying Berbahasa Indonesia di Twitter Menggunakan Algoritma Optimasi Parameter untuk LSTM

Abhinaya Bagioyuwono, Michael (2024) Perancangan E-Repository Data Sentimen dan Deteksi Cyberbullying Berbahasa Indonesia di Twitter Menggunakan Algoritma Optimasi Parameter untuk LSTM. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (1MB)
	PDF BAB_II.pdf Download (1MB)
	PDF BAB_III.pdf Download (1MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (3MB)
	PDF BAB_V.pdf Download (856kB)
	PDF DAFTAR_PUSTAKA.pdf Download (4MB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Media sosial merupakan sebuah platform interaktif setiap individu dan kelompok dapat berkomunikasi dan membagikan informasi satu dengan yang lain. Cyberbullying salah satu bagian dari perundungan dilakukan melalui teknologi di lingkungan daring. Tindakan bunuh diri yang diakibatkan cyberbullying di media sosial memunculkan fenomena Cyberbullicide. Platform X merupakan platform micro-blogging yang paling beracun dengan rata-rata nilai toksisitas 7,28. Meskipun ada beberapa fitur untuk memitigasi platform platform X juga tidak sepenuhnya kebal terhadap cyberbullying. Penelitian ini bertujuan untuk melakukan penerapan algoritma klasifikasi cyberbullying sebagai bagian data repository untuk membantu proses data scraping dan membuat sistem klasifikasi cyberbullying berdasarkan input user yang efektif dan akurat. Penelitian akan menggunakan algoritma deep learning LSTM dan membandingkannya dengan dan tanpa optimisasi hyperparameter berbasis Swarm Intelligence, Particle Swarm Optimization (PSO) dan Salp Swarm Algortigm (SSA). Penelitian dilakukan dengan menggunakan data scraping dari platform X dengan metodologi CRISP-DM dari scraping, pre-processing sampai deployment. Hasil data dan modellling akan digunakan untuk membuat prototipe website data repository dan klasifikasi cyberbullying dengan menggunakan framework flask, express, dan react js. Berdasarkan pengujian dan evaluasi yang dilakukan, algoritma PSO LSTM memiliki performa yang paling baik dari segi akurasi, loss,dan waktu eksekusi diantara model konvesional dan model PSO-LSTM. Algoritma PSO-LSTM menghasilkan akurasi 87.43%, loss 41.29%, dan waktu eksekusi 12,93 detik. Pembangunan prototipe sistem klasifikasi cyberbullying berdasarkan input user menghasilkan total akurasi 80%. Hasil rancangan website data repository telah diuji dengan User Acceptance Test dengan hasil berjalan sesuai dengan expected result.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Cyberbullying, Data repository, Klasifikasi cyberbullying, LSTM, Salp Swarm Algorithm, Particle Swarm optimization.
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	11 Nov 2024 09:25
Last Modified:	11 Nov 2024 09:25
URI:	https://kc.umn.ac.id/id/eprint/34241

Actions (login required)

View Item