KLASIFIKASI TWEET PENGHINAAN AGAMA ISLAM PADA MEDIA SOSIAL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

ANNISA ULKHAIRAH HERDI, (2018) KLASIFIKASI TWEET PENGHINAAN AGAMA ISLAM PADA MEDIA SOSIAL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img]
Preview
Text
1. COVER_2018336TIF.pdf

Download (296kB) | Preview
[img]
Preview
Text
2. PENGESAHAN_2018336TIF.pdf

Download (647kB) | Preview
[img]
Preview
Text
3. ABSTRAK_2018336TIF.pdf

Download (467kB) | Preview
[img]
Preview
Text
4. KATA PENGANTAR_2018336TIF.pdf

Download (992kB) | Preview
[img]
Preview
Text
5. DAFTAR ISI_2018336TIF.pdf

Download (869kB) | Preview
[img]
Preview
Text
6. BAB I_2018336TIF.pdf

Download (210kB) | Preview
[img]
Preview
Text
7. BAB II_2018336TIF.pdf

Download (687kB) | Preview
[img]
Preview
Text
8. BAB III_2018336TIF.pdf

Download (208kB) | Preview
[img]
Preview
Text
9. BAB IV_2018336TIF.pdf

Download (833kB) | Preview
[img] Text
10. BAB V_2018336TIF.pdf
Restricted to Repository staff only

Download (1MB)
[img]
Preview
Text
11. BAB VI_2018336TIF.pdf

Download (186kB) | Preview
[img]
Preview
Text
12. DAFTAR PUSTAKA_2018336TIF.pdf

Download (1MB) | Preview

Abstract

Twitter menghasilkan banyak sumber daya informasi, sejumlah kasus penghinaan agama islam yang berada dimedia sosial Twitter melalui tweet-tweet. Hal ini perlu diklasifikasi untuk mengatasi permasalahan besarnya data tidak terstruktur dari tweet-tweet pada Twitter, dan adanya tweet yang masih ambigu dan sulit untuk menentukan tweet tersebut mengandung penghinaan agama atau tidak. Hal ini membutuhkan ketelitian dan waktu untuk mengelompokkannya. Banyak penelitian yang dilakukan untuk menemukan metode klasifikasi yang tepat untuk menghasilkan akurasi terbaik dari tweet-tweet tersebut. Support Vector Machine (SVM) sebagai salah satu metode pembelajaran mesin dapat dijadikan pilihan dalam metode pembelajaran klasifikasi karena mampu bekerja untuk data tidak terstruktur. Banyak penelitian klasifikasi dokumen yang menggunakan metode ini berhasil menghasilkan akurasi yang cukup tinggi dibanding metode pembelajaran lainnya. Penelitian ini menggunakan 1000 tweet sebagai dataset untuk mengetahui kinerja SVM. Untuk mendapatkan akurasi, dataset yang telah diunduh diproses dalam beberapa tahapan yang terdiri dari pelabelan manual, preprocessing, ekstraksi fitur hingga proses pembelajaran SVM. Dari model pembelajaran yang dihasilkan proses training SVM, didapat nilai akurasi sebesar 91 % menggunakan fitur threshold, dengan pembagian 80% data latih berbanding 20% data uji. Sedangkan tanpa fitur threshold, SVM hanya menghasilkan akurasi sebesar 51 %. Kata Kunci: Agama Islam, Fitur, Klasifikasi, Preprocessing, SVM, Threshold, Tweet, Twitter.

Item Type: Thesis (Skripsi)
Subjects: 000 Karya Umum > 005 Program Komputer, program-program, data
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: Ms. Nilam Badriyah
Date Deposited: 04 Jul 2019 03:26
Last Modified: 04 Jul 2019 03:26
URI: http://repository.uin-suska.ac.id/id/eprint/15047

Actions (login required)

View Item View Item