TEXT CLASSIFICATION UNTUK MENDETEKSI SPAM DI MEDIA SOSIAL TWITTER MENGGUNAKAN TF-IDF DAN ALGORITMA MULTILAYER PERCEPTRON

Giffary, Farhan Wildan (2022) TEXT CLASSIFICATION UNTUK MENDETEKSI SPAM DI MEDIA SOSIAL TWITTER MENGGUNAKAN TF-IDF DAN ALGORITMA MULTILAYER PERCEPTRON. Other thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

Preview	Text ABSTRAK_123160115_FARHAN WILDAN GIFFARY.pdf Download (68kB) | Preview
Preview	Text COVER_123160115_FARHAN WILDAN GIFFARY.pdf Download (145kB) | Preview
Preview	Text DAFTAR ISI_123160115_FARHAN WILDAN GIFFARY.pdf Download (116kB) | Preview
Preview	Text DAFTAR PUSTAKA_123160115_FARHAN WILDAN GIFFARY.pdf Download (76kB) | Preview
Preview	Text LEMBAR PENGESAHAN_123160115_FARHAN WILDAN GIFFARY.pdf Download (358kB) | Preview
	Text LAPORAN-123160115-FARHAN-WILDAN-GIFFARY.pdf Restricted to Repository staff only Download (3MB)

Abstract

ABSTRAK
Jejaring media sosial menjadi sangat populer di kalangan masyarakat umum. Hal ini
sering kali menyebabkan media sosial disalah gunakan untuk kepentingan negatif, salah
satunya digunakan untuk menyebarkan pesan – pesan yang mengandung spam. Spam tersebut
dari tahun ke tahun terus meningkat jumlahnya. Berdasarkan penelitian di tahun 2013, tercatat
bahwa peningkatan kemunculan akun spam 355% lebih cepat dibandingkan dengan akun pada
umumnya. Spam secara luas dapat didefinisikan sebagai penggabungan dari berbagai elemen
– elemen yang berkaitan dengan perilaku komersial, psikologi penerima, konteks hukum yang
luas, pertimbangan ekonomi, dan juga masalah teknik. Definisi spam sering kali diartikan
berbeda – beda oleh setiap negara. Bahwa pada kenyataannya spam dapat dibagi menjadi dua
karakteristik utama yaitu primer dan sekunder. Karakteristik primer merupakan karakteristik –
karaterisitik utama yang harus ada dalam suatu pesan untuk menandai bahwa suatu pesan
tersebut adalah spam, sedangkan karakteristik sekunder merupakan karakteristik –
karakteristik yang sering kali dikaitkan dengan spam, akan tetapi tidak selamanya karakteristik
tersebut dibutuhkan untuk menandai bahwa suatu pesan tersebut adalah spam. Pada penelitian
ini diusulkan TF-IDF dan algoritma Multilayer Perceptron, penggunaan algoritma Multilayer
Perceptron karena memiliki kemampuan dan performa pembelajaran yang lebih cepat dari
alggoritma lain. Algoritma Multilayer Perceptron dapat diterapkan pada perangkat lunak ini
dengan dilakukan beberapa tahapan, meliputi : pengumpulan data, proses preprocessing, proses
pembobotan atau tf-idf, membuat model, dan melakukan train. Dari permasalahan di atas
peneliti melakukan penelitian tentang text classification untuk mendeteksi spam di media sosial
twitter menggunakan algoritma Multilayer Perceptron yang bertujuan untuk mendapatkan
tweet netral atau yang tidak memiliki sentimen emosi dimana sering muncul pada tweet bertipe
spam. Pada penelitian ini telah dilakukan analisis, berdasarkan hasil analisis, perancangan dan
pembahasan yang dilakukan dapat diperoleh kesimpulan, pada penelitian ini, bahwa tf
orthography dan Multilayer Perceptron lebih unggul dari yang lain dengan menghasilkan hasil
akurasi tertinggi dengan 95% akurasi, 100% presisi dan 91% recall dalam mengklasifikasi
spam pada Twitter. Algortima Multilayer Perceptron memerlukan waktu training yang lebih
singkat jika dibandingakan dengan algoritma yang lain. Metode TF-IDF dan Multilayer
Perceptron dapat digunakan untuk melakukan klasifikasi dalam pendeteksian spam dan bukan
spam pada twitter.

Kata kunci : Spam, Klasifikasi, TF-IDF, Multilayer Perceptron, Spam, Cross Validasi,
Confusion Matrix
vii

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Spam, Klasifikasi, TF-IDF, Multilayer Perceptron, Spam, Cross Validasi, Confusion Matrix
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	20 Jan 2022 04:35
Last Modified:	31 Oct 2022 02:04
URI:	http://eprints.upnyk.ac.id/id/eprint/27848

Actions (login required)

View Item