TINGKAT AKURASI METODE K-NEAREST NEIGHBOR DAN NAÏVE BAYES CLASSIFIER PADA KLASIFIKASI UJARAN KEBENCIAN TERHADAP AGAMA ISLAM

AISAH FITRI, - (2019) TINGKAT AKURASI METODE K-NEAREST NEIGHBOR DAN NAÏVE BAYES CLASSIFIER PADA KLASIFIKASI UJARAN KEBENCIAN TERHADAP AGAMA ISLAM. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img] Text
LAP-AISAH FITRI.pdf

Download (3MB)
[img] Text (BAB V)
BAB V.pdf - Published Version
Restricted to Repository staff only

Download (1MB)

Abstract

ABSTRAK Twitter merupakan sosial media yang banyak menghasilkan sumber daya informasi. Banyak warganet yang salah dalam menggunakan sosial media (twitter) dengan bebasnya menulis tanpa batas dan memberikan komentar terhadap orang lain. Dampak yang ditimbulkan dari hal tersebut yaitu berbagai jenis pelanggaran kejahatan contohnya ujaran kebencian (hate speech). Hal ini sudah pernah diteliti sebelumnya dengan menggunakan metode klasifikasi Support Vector Machine (SVM). Penelitian ini akan membentuk tingkat akurasi dari metode yang digunakan yaitu metode K-Nearest Neighbor (KNN) dan metode Naïve Bayes Classifier (NBC), dengan menggunakan data yang sama dan tahapan preprocessing yang sama dari penelitian sebelumnya. Presentase perbandingan data latih dan data uji adalah 50:50, 60:40, 70:30, 80:20, dan 90:10. Metode NBC menghasilkan nilai akurasi lebih baik, yaitu sebesar 95% dengan pembagian 90% data latih berbanding 10% data uji sedangkan metode KNN sebesar 94% menggunakan fitur threshold dengan pembagian 80% data latih berbanding 20% data uji, sedangkan tanpa fitur threshold metode KNN hanya menghasilkan akurasi sebesar 82%. Kata kunci:Ujaran Kebencian, K-Nearest Neighbor, Naïve Bayes Classifier, Support Vector Machine, Tweet.

Item Type: Thesis (Skripsi)
Subjects: 000 Karya Umum > 004 Pemrosesan Data, Ilmu Komputer, Teknik Informatika
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: fsains -
Date Deposited: 21 Nov 2019 02:08
Last Modified: 21 Nov 2019 02:10
URI: http://repository.uin-suska.ac.id/id/eprint/22670

Actions (login required)

View Item View Item