Halomoan, Juan Daniel (2022) KLASIFIKASI KOMENTAR CYBERBULLYING PADA MEDIA SOSIAL TWITTER MENGGUNAKAN DEEP LEARNING. Diploma thesis, Universitas YARSI.
|
Text
1. COVER.pdf Download (46kB) | Preview |
|
|
Image
4. HALAMAN PENGESAHAN.PDF Download (1MB) | Preview |
|
|
Text
3. HALAMAN PERNYATAAN ORISINALITAS.PDF Download (943kB) | Preview |
|
|
Text
2. ABSTRAK.pdf Download (73kB) | Preview |
|
|
Text
11. BAB 1.pdf Download (207kB) | Preview |
|
|
Text
17. DAFTAR PUSTAKA.pdf Download (849kB) | Preview |
|
![[img]](http://digilib.yarsi.ac.id/style/images/fileicons/text.png) |
Text
12. BAB 2.pdf Restricted to Registered users only Download (345kB) |
|
|
Text
13. BAB 3.pdf Restricted to Registered users only Download (346kB) |
|
|
Text
14. BAB 4.pdf Restricted to Registered users only Download (2MB) |
|
|
Text
15. BAB 5.pdf Restricted to Registered users only Download (219kB) |
|
|
Text
16. BAB 6.pdf Restricted to Registered users only Download (83kB) |
Abstract
Informasi dan komunikasi bergerak sangat cepat seiring dengan perkembangan zaman dan media sosial telah menjadi alat komunikasi yang umum digunakan dan penting di dunia modern saat ini. Menurut data digital 2022 global statshot report lebih dari empat miliar orang di dunia menggunakan jejaring media sosial untuk berkomunikasi. Media sosial tidak hanya memberikan keuntungan namun bisa digunakan untuk kejahatan, salah satunya adalah cyberbullying, Berdasarkan permasalahan tersebut penulis bertujuan untuk membandingkan performa model deep learning yaitu Convolutional Neural Network (CNN), Long Short – Term Memory Neural Network (LSTM) dan Bidirectional Long Short Term Memory Neural Network (BiLSTM) dalam hal klasifikasi komentar cyberbullying. Untuk dataset menggunakan cyberbullying dataset Bahasa Inggris berjumlah 16848 dan memiliki 2 kelas yaitu cyberbulling dan non-cyberbullying. Eksperimen yang dilakukan dengan melakukan data processing menggunakan data cleaning, case folding, remove punctuation, remove stopword, stemming, lemmatization dan remove emoji. Selanjutnya membagi data dan mengambil proporsi 80:20 untuk data latih berjumlah 13478 sedangkan data testing berjumlah 3370, kemudian melakukan ekstraksi fitur menggunakan tf-idf, dan melakukan konfigurasi model dan hyperparameterserta evaluasi model menggunakan confusion matrix. Setelah dilakukan percobaan, hasil menunjukan model CNN mendapatkan nilai tertinggi yaitu validasi akurasi sebesar 82,58%, validasi presisi 79,27%, validasi recall 61,12%.
| Item Type: | Thesis (Diploma) |
|---|---|
| Additional Information: | S-862-FTI |
| Uncontrolled Keywords: | Klasifikasi, Twitter, Cyberbullying, Deep Learning, Convolutional Neural Network. Long Short – Term Memory Neural Network, Bidirectional Long Short Term Memory Neural Network |
| Subjects: | H Social Sciences > HX Socialism. Communism. Anarchism L Education > L Education (General) Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General) |
| Depositing User: | Juan Halomoan |
| Date Deposited: | 02 Apr 2024 07:40 |
| Last Modified: | 02 Apr 2024 07:40 |
| URI: | http://digilib.yarsi.ac.id/id/eprint/12034 |
Actions (login required)
 |
View Item |