Search for collections on Itenas Repository

Deteksi Komentar Cyberbullying Pada Media Sosial Berbahasa Inggris Menggunakan Naïve Bayes Classification

Pardede, Jasman and Miftahuddin, Yusup and Kahar, Wahidul (2020) Deteksi Komentar Cyberbullying Pada Media Sosial Berbahasa Inggris Menggunakan Naïve Bayes Classification. JURNAL INFORMATIKA, 7 (1). pp. 46-54. ISSN ISSN: 2355-6579 | E-ISSN: 2528-2247

[img]
Preview
Text
10. Deteksi Komentar Cyberbullying Pada Media Sosial Berbahasa Inggris Menggunakan Naïve Bayes Classification_Jurnal_Informatika.pdf

Download (1MB) | Preview

Abstract

Pesatnya perkembangan teknologi dan media sosial dapat memudahkan pengguna untuk menyampaikan informasi. Selain itu, media sosial juga memberikan dampak negatif dengan cara memposting tulisan kejam atau berkomentar semena-mena tanpa memikirkan akibat pada orang lain. Hal inilah yang menjadikan salah satu terjadinya tindak kekerasan dalam dunia maya (Cyberbullying). Tahapan awal yang dilakukan dalam penelitian ini adalah pengolahan bahasa atau yang disebut dengan text preprocessing meliputi tokenizing, casefolding, stopword removal dan stemming. Kemudian feature selection yaitu mengubah dokument teks menjadi matriks dengan tujuan untuk mendapatkan fitur pada setiap kata untuk dijadikan parameter atau kriteria klasifikasi. Untuk pengambilan keputusan apakah komentar mengandung makna bully atau nonbully menggunakan algoritma Naïve Bayes Classification dengan model multinomial naïve bayes. Perhitungan yang dilakukan adalah menghitung nilai probabilitas setiap kata yang muncul berdasarkan class dan nilai perkalian class conditional probability. Berdasarkan hasil eksperimen menggunakan dataset “cyberbullying comments” yang diambil dari Kaggle akurasi yang didapat sebesar 80%, precission 81% dan recall 80%.

Item Type: Article
Subjects: T Technology > T Technology (General)
Divisions: Karya Tulis Ilmiah
Depositing User: Azizullah Putri Akbar
Date Deposited: 16 Feb 2023 07:08
Last Modified: 20 Feb 2023 07:03
URI: http://eprints.itenas.ac.id/id/eprint/2128

Actions (login required)

View Item View Item