PERBANDINGAN KERNEL PADA METODE SUPPORT VECTOR MACHINE (SVM) TERHADAP ANALISIS SENTIMEN CYBERBULLYING

Wijayanti, Sal Sabila (2023) PERBANDINGAN KERNEL PADA METODE SUPPORT VECTOR MACHINE (SVM) TERHADAP ANALISIS SENTIMEN CYBERBULLYING. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 21.51.2102 Sal Sabila Wijayanti.pdf Download (3MB)

Abstract

Saat ini media sosial telah berkembang pesat dan sudah menjadi bagian rutinitas sehari-hari. Seiring dengan berkembangnya media sosial terdapat berbagai penyalahgunaan dan penyimpangan terhadap etika berinteraksi yang dilakukan penggunanya. Salah satu bentuk penyalahgunaan media sosial yaitu perundungan (cyberbullying). Akhir-akhir cyberbullying semakin sering terjadi dan kejadian tersebut masih sulit terdeteksi. Oleh karena itu, peneliti melakukan analisis terhadap cyberbullying di media sosial Twitter menggunakan Support Vector Machine (SVM). Data yang digunakan merupakan data hasil crawling Twitter. Data ini termasuk kedalam data non-linear sehingga memerlukan kernel untuk melakukan proses text mining. Namun, sampai saat ini belum ada penelitian spesifik tentang kernel apa yang baik untuk digunakan pada kasus cyberbullying. Oleh karena itu, peneliti melakukan percobaan untuk mencari kernel yang terbaik diantara empat kernel yaitu Polynomial, Radial Basis Function (RBF), Sigmoid, dan Linear. Dari hasil percobaan yang dilakukan, peneliti menetapkan kernel terbaik berdasarkan nilai akurasi. Pengujian terhadap empat jenis kernel yang telah dilakukan, diketahui bahwa kernel Polynomial memiliki akurasi terbaik. Pada skenario 1 kernel polynomial mendapat akurasi 86,49%. Pada skenario 2 kernel polynomial mendapat akurasi 86,12%. Pada skenario 3 kernel polynomial mendapat akurasi 82,70%.

Actions (login required)

View Item