Search for collections on Universitas Islam Negeri Sultan Syarif Kasim Riau Repository

KLASIFIKASI CAPTION PROSTITUSI DI INSTAGRAM MENGGUNAKAN METODE K-NEAREST NEIGHBOR

RECVY INEKA PUTRA, - (2019) KLASIFIKASI CAPTION PROSTITUSI DI INSTAGRAM MENGGUNAKAN METODE K-NEAREST NEIGHBOR. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img] Text
File lengkap kecuali bab V.pdf

Download (7MB)
[img] Text (BAB V)
file lengkap bab V.pdf - Published Version
Restricted to Repository staff only

Download (3MB)

Abstract

Maraknya penggunaan media sosial sebagai sarana jual beli online kini banyak ditemukan. Salah satunya adalah Instagram. Namun, kemudahan ini juga dimanfaatkan oleh para Pekerja Seks Komersial (PSK) untuk menjajakan diri mereka dalam menarik calon pengguna jasa mereka. Kegiatan Prostitusi Online ini tentu saja harus dibasmi mengingat dampak yang dikeluarkan begitu besar. Pemerintah telah melakukan banyak upaya untuk melakukan pembersihan terhadap akun-akun prostitusi online yang tersebar di media sosial Instagram ini. Namun, seiring berjalannya waktu akun-akun prostitusi online ini terus bertambah, sehingga sulit untuk dibasmi keberadaannya. Untuk itu, dibangunlah sebuah aplikasi yang dapat mengklasifikasikan caption dari akun-akun prostitusi yang telah beredar di sosial media Instagram secara otomatis menggunakan metode K-Nearest Neighbor dengan menggunakan 1000 data. Pengujian pada penelitian ini menggunakan confusion matrix dengan menggunakan pengujian 90%:10% memiliki tingkat akurasi tertinggi sebesar 81% dengan k bernilai 5, pengujian 80%:20% memiliki akurasi tertinggi sebesar 79% dengan k bernilai 5, dan pengujian 70%:30% memiliki akurasi tertinggi sebesar 75,33% dengan k bernilai 3. Dari masing-masing pengujian menggunakan nilai threshold 1.

Item Type: Thesis (Skripsi)
Subjects: 000 Karya Umum
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: fsains -
Date Deposited: 16 Jan 2020 04:42
Last Modified: 16 Jan 2020 04:42
URI: http://repository.uin-suska.ac.id/id/eprint/25053

Actions (login required)

View Item View Item