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.
|
Text
1. COVER_2018336TIF.pdf Download (296kB) | Preview |
|
|
Text
2. PENGESAHAN_2018336TIF.pdf Download (647kB) | Preview |
|
|
Text
3. ABSTRAK_2018336TIF.pdf Download (467kB) | Preview |
|
|
Text
4. KATA PENGANTAR_2018336TIF.pdf Download (992kB) | Preview |
|
|
Text
5. DAFTAR ISI_2018336TIF.pdf Download (869kB) | Preview |
|
|
Text
6. BAB I_2018336TIF.pdf Download (210kB) | Preview |
|
|
Text
7. BAB II_2018336TIF.pdf Download (687kB) | Preview |
|
|
Text
8. BAB III_2018336TIF.pdf Download (208kB) | Preview |
|
|
Text
9. BAB IV_2018336TIF.pdf Download (833kB) | Preview |
|
![]() |
Text
10. BAB V_2018336TIF.pdf Restricted to Repository staff only Download (1MB) |
|
|
Text
11. BAB VI_2018336TIF.pdf Download (186kB) | 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 |