PERBANDINGAN METODE SUPPORT VECTOR MACHINE (SVM) DAN RANDOM FOREST (RF) UNTUK DETEKSI CYBERBULLYING PADA SOSIAL MEDIA

Agusti, Sagiyan Dimas (2022) PERBANDINGAN METODE SUPPORT VECTOR MACHINE (SVM) DAN RANDOM FOREST (RF) UNTUK DETEKSI CYBERBULLYING PADA SOSIAL MEDIA. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (617kB)
	Text (BAB I) BAB I.pdf Download (140kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (580kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (206kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (344kB)
	Text (BAB V) BAB V.pdf Download (45kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (84kB)
	Archive (SOURCE CODE) Source Code-17.11.1650-Sagiyan Dimas Agusti - Sagiyan Dhimas Agusti.zip Restricted to Repository staff only Download (1MB)
	Text (PUBLIKASI) Publikasi-17.11.1650-Sagiyan Dimas Agusti - Sagiyan Dhimas Agusti.pdf Restricted to Repository staff only Download (417kB)

Abstract

Dalam perkembangan zaman yang begitu pesat tentu akan berdampak pula dalam perkembangan teknologi internet dengan data di Indonesia pada akhir 2019 berjumlah kurang lebih 196 juta jiwa terhubung ke internet dan sosial media, sehingga memungkinkan terjadi kejahatan didalamnya seperti Cyberbullying dengan data yang tertera 51,2% dari jumlah penduduk yang menggunakan internet pernah terkena dampak bullying mengingat dalam suatu negara presentase ini cukup besar, dan dengan ini berkenaan pula sedang tren dalam penggunaan (machine learning) beberapa waktu terakhir. Terdapat dua jenis metode pembelajaran machine learning yang dapat digunakan analisis sentiment yaitu supervised learning dan unsupervised learning, dalam penelitian akan dilakukan perbandingan dari dua metode yaitu SVM dan RF dalam pengujian analisis sentimen tokoh masyarakat Presiden Jokowi, dengan jumlah data tweet sebanyak 10.000 data yang di crawling dengan menggunakan library tweepy kemudian di simpan dengan ektensi (.csv). Dalam pengujian model dari dua metode dengan lima kali data pengujian didapati rata-rata keakurasian RF lebih unggul dari SVM dengan 90% tingkat keakurasian dan waktu proses hanya 16.44 detik dengan SVM hanya 77% keakurasian serta waktu proses 17.90 detik. Dengan demikian kesimpulan dari penelitian metode RF yang dinilai lebih akurat ketimbang SVM.

Actions (login required)

View Item