Hidayat, Agung Nur (2021) DEEP LEARNING UNTUK KLASIFIKASI TEKS HATE SPEECH MENGGUNAKAN LONG SHORT TERM MEMORY. Other thesis, UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” YOGYAKARTA.
Preview |
Text
COVER.pdf Download (258kB) | Preview |
Preview |
Text
ABSTRAK.pdf Download (184kB) | Preview |
Preview |
Text
DAFTAR ISI.pdf Download (190kB) | Preview |
Preview |
Text
HALAMAN PENGESAHAN PEMBIMBING.pdf Download (187kB) | Preview |
Preview |
Text
DAFTAR PUSTAKA.pdf Download (191kB) | Preview |
Abstract
Hate speech atau ujaran kebencian di Indonesia yang sering dijumpai di media sosial
memiliki dampak buruk bagi semua pengguna. Meskipun banyak kasus yang tercatat oleh
Kemkominfo, ujaran kebencian yang tersirat dalam teks kalimat bisa dianggap sebagai
kebencian atau bukan kebencian, tergantung orang yang menafsirkannya. Maka dari itu,
diperlukan proses klasifikasi suatu teks sehingga dapat diketahui apakah teks tersebut
termasuk hate speech atau bukan. Tantangan yang dihadapi dalam proses klasifikasi teks
hate speech adalah bahwa hate speech merupakan fenomena yang sulit untuk didefinisikan
dan tidak monolitik, sehingga diperlukan sebuah model klasifikasi yang dapat mengenali
pola-pola kalimat tersebut.
Solusi untuk masalah tersebut adalah dengan menerapkan deep learning untuk
melakukan klasifikasi teks hate speech. Penelitian ini menggunakan algoritma Long-Short
Term Memory (LSTM) yang dikombinasikan dengan word embedding untuk melakukan
klasifikasi teks hate speech. LSTM merupakan pengembangan dari algoritma RNN yang
termasuk algoritma deep learning. Studi literatur menunjukkan bahwa LSTM dengan word
embedding memiliki performa yang bagus untuk melakukan klasifikasi dengan data berupa
teks. Data yang digunakan pada penelitian ini bersumber dari data penelitian terdahulu serta
penambahan data yang bersumber dari Twitter.
Hasil pengujian model menggunakan K-Fold Cross Validation menunjukkan nilai
Accuracy sebesar 85,04%, Precision sebesar 84,19%, Recall sebesar 79,17% dan F1-Score
sebesar 81,60%. Model yang telah dibangun menggunakan algoritma Long Short Term
Memory (LSTM) dapat mengenali pola-pola kalimat hate speech sehingga dapat melakukan
klasifikasi teks hate speech dengan hasil yang lebih baik.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Hate Speech, Media Sosial, Twitter, Klasifikasi Teks, Deep Learning, Word Embedding, Long Short Term Memory |
| Subjects: | Q Science > QA Mathematics > QA76 Computer software |
| Divisions: | Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science |
| Depositing User: | Nurul Alifah Rahmawati |
| Date Deposited: | 23 Feb 2021 05:39 |
| Last Modified: | 18 Sep 2023 07:29 |
| URI: | http://eprints.upnyk.ac.id/id/eprint/24773 |
Actions (login required)
 |
View Item |