IMPLEMENTASI METODE TF-IDF DAN ALGORITMA LOGISTIC REGRESSION UNTUK KLASIFIKASI KATA BERMUATAN PORNOGRAFI

PRASETYA, BAGAS DUTA (2026) IMPLEMENTASI METODE TF-IDF DAN ALGORITMA LOGISTIC REGRESSION UNTUK KLASIFIKASI KATA BERMUATAN PORNOGRAFI. Skripsi thesis, UPN "Veteran" Yogyakarta.

	Text 123220057_Cover - Bagas duta.pdf Download (158kB)
	Text 123220057_Abstrak - Bagas duta.pdf Download (224kB)
	Text 123220057_Halaman Pengesahan - Bagas duta.pdf Download (215kB)
	Text 123220057_Daftar Isi - Bagas duta.pdf Download (251kB)
	Text 123220057_Daftar Pustaka - Bagas duta.pdf Download (181kB)
	Text 123220057_Fulltext - Bagas duta.pdf Restricted to Repository staff only Download (5MB)

Abstract

Penyebaran kata dan istilah bermuatan pornografi pada berbagai platform digital
semakin meningkat seiring dengan perkembangan teknologi informasi dan komunikasi.
Kemudahan akses internet memungkinkan pengguna untuk berinteraksi dan berbagi informasi
secara bebas, namun juga memunculkan penggunaan kosakata yang mengandung unsur
pornografi, baik dalam bentuk kata baku, frasa, maupun istilah slang. Keberadaan kata-kata
tersebut berpotensi melanggar norma sosial dan dapat menjadi dasar dalam proses
penyaringan konten digital. Namun, karakteristik bahasa yang beragam, penggunaan istilah
tidak baku, serta banyaknya data teks menjadikan proses identifikasi secara manual kurang
efektif. Oleh karena itu, diperlukan pendekatan otomatis untuk mengklasifikasikan teks
berdasarkan keberadaan kata-kata bermuatan pornografi dan non-pornografi.
Penelitian ini menggunakan metode kuantitatif dengan memanfaatkan data sekunder
berupa 13.169 data tweet berbahasa Indonesia yang diperoleh dari repositori GitHub publik.
Data melalui tahapan preprocessing yang meliputi filtering, case folding, cleaning, tokenizing,
stopword removal, dan normalizing, sehingga diperoleh data seimbang sebanyak 600 data
kelas non-pornografi dan 600 data kelas pornografi. Representasi fitur dilakukan
menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) untuk
memberikan bobot pada kata berdasarkan frekuensi kemunculannya. Selanjutnya, proses
klasifikasi dilakukan menggunakan algoritma Logistic Regression untuk mengelompokkan
data berdasarkan pola kemunculan kata-kata bermuatan pornografi, tanpa melakukan analisis
makna atau konteks semantik kalimat. Evaluasi model dilakukan menggunakan confusion
matrix dengan metrik accuracy, precision, recall, dan F1-score.
Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan data
berdasarkan kata-kata bermuatan pornografi dengan performa yang baik. Nilai accuracy yang
diperoleh sebesar 92%. Pada kelas non-pornografi diperoleh nilai precision sebesar 87%,
recall sebesar 98%, dan F1-score sebesar 92%. Sementara itu, pada kelas pornografi
diperoleh nilai precision sebesar 98%, recall sebesar 85%, dan F1-score sebesar 91%. Hasil
tersebut menunjukkan bahwa pendekatan TF-IDF dan Logistic Regression efektif dalam
mengidentifikasi pola kemunculan kata-kata bermuatan pornografi pada data teks berbahasa
Indonesia. Penelitian ini tidak bertujuan memahami makna, konteks, atau tingkat
kepornografian suatu kalimat, melainkan mengklasifikasikan teks berdasarkan keberadaan
kosakata yang telah dilabeli sebagai bermuatan pornografi atau non-pornografi. Temuan
penelitian ini dapat menjadi dasar bagi pengembangan sistem penyaringan konten digital
berbasis teks.
Kata Kunci: klasifikasi kata, TF-IDF, Logistic Regression, pornografi, NLP

Item Type:	Tugas Akhir (Skripsi)
Uncontrolled Keywords:	klasifikasi kata, TF-IDF, Logistic Regression, pornografi, NLP
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	A.Md Eko Suprapti
Date Deposited:	15 Oct 2026 02:02
Last Modified:	15 Oct 2026 02:02
URI:	http://eprints.upnyk.ac.id/id/eprint/49895

Actions (login required)

View Item