Feature Expansion menggunakan Word2vec untuk Deteksi Ujaran Kebencian pada Twitter
MILA PUTRI KARTIKA DEWI
Informasi Umum
Kode
21.04.3225
Klasifikasi
300.285 - Data Analysis of Social Science
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Data Analysis
Dilihat
270 kali
Informasi Lainnya
Abstraksi
Ujaran kebencian dianggap sebagai kasus tertinggi yang terjadi di media sosial terutama Twitter. Twitter membatasi penggunanya dalam mengunggah sebuah tweet hanya 280 karakter, sehingga memungkinkan terjadinya ketidakcocokan kosakata. Oleh karena itu penulis menerapkan metode Feature Expansion yaitu Word2vec dan metode pembobotan TF-IDF, untuk mengatasi permasalahan tersebut serta membangun sistem deteksi ujaran kebencian. Metode klasifikasi yang digunakan untuk membangun sistem tersebut adalah Support Vector Machine (SVM) dan Random Forest. Hasil akhir penelitian menunjukkan bahwa penggunaan metode Feature Expansion dengan pembobotan TF-IDF pada klasifikasi Random Forest memberikan hasil paling optimal yaitu 88,37% pada nilai akurasi dan 0,8819 pada nilai F1 score.
Koleksi & Sirkulasi
Seluruh 1 koleksi sedang dipinjam
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | MILA PUTRI KARTIKA DEWI |
| Jenis | Perorangan |
| Penyunting | Erwin Budi Setiawan |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Informatika |
| Kota | Bandung |
| Tahun | 2021 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
