LONG SHORT TERM MEMORY (LSTM) UNTUK IDENTIFIKASI CYBERBULLYING PADA KOMENTAR INSTAGRAM

KURNIAWAN, ARIF (2021) LONG SHORT TERM MEMORY (LSTM) UNTUK IDENTIFIKASI CYBERBULLYING PADA KOMENTAR INSTAGRAM. Diploma thesis, UPN "Veteran" Yogyakarta.

[thumbnail of SKRIPSI FULL_Arif Kurniawan_123160068.pdf] Text
SKRIPSI FULL_Arif Kurniawan_123160068.pdf
Restricted to Repository staff only

Download (8MB)
[thumbnail of ABSTRAK.pdf]
Preview
Text
ABSTRAK.pdf

Download (50kB) | Preview
[thumbnail of DAFTAR ISI.pdf]
Preview
Text
DAFTAR ISI.pdf

Download (114kB) | Preview
[thumbnail of HALAMAN PENGESAHAN PEMBIMBING.pdf]
Preview
Text
HALAMAN PENGESAHAN PEMBIMBING.pdf

Download (145kB) | Preview
[thumbnail of DAFTAR PUSTAKA.pdf]
Preview
Text
DAFTAR PUSTAKA.pdf

Download (101kB) | Preview

Abstract

Instagram merupakan salah satu media sosial populer. Seperti halnya media sosial
lainnya, media sosial instagram merupakan media yang dapat digunakan untuk mencari
informasi, berkomunikasi serta mengembangkan bisnis. Berkembangnya teknologi
komunikasi serta informasi telah mengubah pola interaksi individu yang semula dilakukan
secara konvensional menjadi modern. Kehadiran internet dan media sosial membuat
masyarakat lebih mudah dalam berkomunikasi serta mendapatan informasi di manapun dan
kapanpun tanpa adanya batasan ruang, waktu dan jarak.

Terlepas sisi positif yang ditawarkan, kehadiran internet dan media sosial juga
membawa dampak negatif, salah satunya berkembangnya fenomena cyberbullying.
Cyberbullying dapat diartikan sebagai bentuk penggunaan teknologi untuk mengintimidasi,
menjadikan korban, atau menggangu individu atau sekelompok orang. Instagram merupakan
salah satu media sosial dengan tingkat cyberbullying yang tinggi. Maka dari itu diperlukan
sebuah sistem yang dapat mengidentifikasi komentar cyberbullying pada komentar
instagram. Sentimen analysis dapat diterapkan untuk melakukan identifikasi cyberbullying
pada komentar instagram. Algoritma yang digunakan untuk sentimen analysis adalah Long
Short Term Memory. Algortima ini akan melakukan proses analisis komentar dengan
mengubah komentar menjadi data berbentuk sequential. Pada proses embedding
memanfaatkan metode word2vec untuk menemukan makna semantik antar kata. Proses
pada penelitian ini terdiri dari pengolahan data awal, text preprocessing, pembentukan model
LSTM dan identifikasi. Identifikasi terdiri dari empat kelas yaitu cyberbullying, irrelevant,
neutral dan non cyberbullying.

Pengujian dilakukan dengan skenario pengujian k-fold cross validation untuk
menentukan tingkat akurasi, presisi, recall dan F1-Score dari model LSTM yang dibangun.
Konfirgurasi pelatihan meliputi 100 epoch dengan menambahkan L1L2 regularizer serta
nilai dropout sebesar 0.3. Pelatihan dilakukan dengan membagi data latih sebesar 90% dan
data uji sebesar 10% dengan membagi data menjadi 10 subset fold. Performa dari pengujian
10-fold mendapatkan performa rata-rata hasil akurasi sebesar 68.1%, presisi 70.08%, recall
68.1% dan F1-Score 68.8%. Skenario lain membandingkan performa algoritma LSTM
dengan random forest classifier. Hasil perbandingan menunjukkan keunggulan algoritma
LSTM dibandingkan random forest classifier pada nilai akurasi 70% berbanding 62%, nilai
presisi 69% berbanding 61%, nilai recall 70% berbanding 62% dan nilai F1-Score 69%
berbanding 60%.

Kata kunci: Cyberbullying, Sentimen analysis, Long Short Term Memory.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Cyberbullying, Sentimen analysis, Long Short Term Memory.
Subjek: Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources
Divisions: x. Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User: Eny Suparny
Date Deposited: 15 Feb 2022 05:27
Last Modified: 15 Feb 2022 05:27
URI: http://eprints.upnyk.ac.id/id/eprint/28382

Actions (login required)

View Item View Item