KURNIAWAN, ARIF (2021) LONG SHORT TERM MEMORY (LSTM) UNTUK IDENTIFIKASI CYBERBULLYING PADA KOMENTAR INSTAGRAM. Diploma thesis, UPN "Veteran" Yogyakarta.
![[img]](http://eprints.upnyk.ac.id/style/images/fileicons/text.png) |
Text
SKRIPSI FULL_Arif Kurniawan_123160068.pdf Restricted to Repository staff only Download (8MB) |
|
|
Text
ABSTRAK.pdf Download (50kB) | Preview |
|
|
Text
DAFTAR ISI.pdf Download (114kB) | Preview |
|
|
Text
HALAMAN PENGESAHAN PEMBIMBING.pdf Download (145kB) | 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. |
| Subjects: | Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources |
| Divisions: | 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 |