Pengembangan Modul U-TAPIS: Sistem Deteksi Hujatan Menggunakan Support Vector Machine

Setiawan, Jefer (2025) Pengembangan Modul U-TAPIS: Sistem Deteksi Hujatan Menggunakan Support Vector Machine. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (219kB)
	PDF BAB_II.pdf Download (599kB)
	PDF BAB_III.pdf Download (405kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (401kB)
	PDF BAB_V.pdf Download (229kB)
	PDF DAFTAR_PUSTAKA.pdf Download (216kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (688kB)

Abstract

Perkembangan teknologi dan penggunaan media sosial yang masif telah memunculkan berbagai tantangan baru, salah satunya adalah penyebaran ujaran kebencian atau hujatan di ruang digital. Penelitian ini bertujuan untuk mengembangkan sebuah sistem deteksi hujatan berbasis teks berbahasa Indonesia menggunakan algoritma Support Vector Machine (SVM). Dataset yang digunakan terdiri dari 12.000 data, yang mencakup data sintetik hujatan dari ChatGPT, data non-hujatan dari penelitian terdahulu, dan data uji yang telah divalidasi oleh ahli bahasa. Proses preprocessing mencakup pembersihan teks, normalisasi kata alay, dan penghapusan stopwords. Ekstraksi fitur dilakukan dengan menggabungkan TF-IDF word-level, char-level, dan fitur leksikon berbasis kamus hujatan. Untuk mengoptimalkan performa model, dilakukan hyperparameter tuning menggunakan pustaka Optuna dengan pendekatan Bayesian Optimization. Hasil evaluasi menunjukkan bahwa model terbaik yang dihasilkan memiliki akurasi sebesar 86%, dengan nilai precision rata-rata 0.86, recall rata-rata 0.86, dan F1-score rata- rata 0.86 pada setiap kelas. Sistem ini diimplementasikan dalam bentuk aplikasi berbasis web yang memungkinkan pengguna menguji kalimat untuk mendeteksi potensi hujatan secara langsung.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Setiawan, Jefer (00000059297)
Contributors:	Widjaja, Moeljono
Keywords:	Deteksi Hujatan, Kamus Hujatan, Optuna, Support Vector Machine, TF-IDF.
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	09 Sep 2025 07:30
URI:	https://kc.umn.ac.id/id/eprint/40289

Actions (login required)

View Item