IMPLEMENTASI METODE MULTINOMIAL NAIVE BAYES UNTUK MENDETEKSI KICAUAN YANG MENGANDUNG UJARAN KEBENCIAN PADA DATA TWITTER BAHASA INDONESIA
Pada Peneliltian ini kami membahas klasifikasi ujaran kebencian pada data kicauan (Twitter) dalam bahasa Indonesia dimana pada penelitian ini kami membangun dataset ujaran kebencian pada kicauan bahasa Indonesia dan melakukan pengklasifikasian dengan mengimplementasikan algoritma Multinomial Naive B...
Saved in:
Main Author: | |
---|---|
Format: | Book |
Published: |
2020-06-30.
|
Subjects: | |
Online Access: | Link Metadata |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
MARC
LEADER | 00000 am a22000003u 4500 | ||
---|---|---|---|
001 | repoupi_53029 | ||
042 | |a dc | ||
100 | 1 | 0 | |a Umar Syahid Aulia Rahman, - |e author |
245 | 0 | 0 | |a IMPLEMENTASI METODE MULTINOMIAL NAIVE BAYES UNTUK MENDETEKSI KICAUAN YANG MENGANDUNG UJARAN KEBENCIAN PADA DATA TWITTER BAHASA INDONESIA |
260 | |c 2020-06-30. | ||
500 | |a http://repository.upi.edu/53029/1/S_KOM_1405681_Title.pdf | ||
500 | |a http://repository.upi.edu/53029/2/S_KOM_1405681_Chapter1.pdf | ||
500 | |a http://repository.upi.edu/53029/3/S_KOM_1405681_Chapter2.pdf | ||
500 | |a http://repository.upi.edu/53029/4/S_KOM_1405681_Chapter3.pdf | ||
500 | |a http://repository.upi.edu/53029/5/S_KOM_1405681_Chapter4.pdf | ||
500 | |a http://repository.upi.edu/53029/6/S_KOM_1405681_Chapter5.pdf | ||
500 | |a http://repository.upi.edu/53029/7/S_KOM_1405681_Appendix.pdf | ||
520 | |a Pada Peneliltian ini kami membahas klasifikasi ujaran kebencian pada data kicauan (Twitter) dalam bahasa Indonesia dimana pada penelitian ini kami membangun dataset ujaran kebencian pada kicauan bahasa Indonesia dan melakukan pengklasifikasian dengan mengimplementasikan algoritma Multinomial Naive Bayes dengan menggunakan ekstraksi fitur term frequency - inverse document frequency (TF-IDF). Pada penelitian kami melakukan beberapa konfigurasi dalam modifikasi data training untuk mengatasi imbalanced dataset yaitu dengan menggunakan metode random oversampling dan random undersampling. Dari eksperimen tersebut kami melakukan evaluasi menggunakan confusion matrix dan didapatkan hasil implementasi metode Multinomial Naive Bayes dengan modifikasi data training menggunakan random oversampling dengan rasio data testing 10% memiliki hasil yang paling bagus dengan fmeasure sebesar 0.5307. | ||
546 | |a en | ||
546 | |a en | ||
546 | |a en | ||
546 | |a en | ||
546 | |a en | ||
546 | |a en | ||
546 | |a en | ||
690 | |a L Education (General) | ||
690 | |a QA75 Electronic computers. Computer science | ||
655 | 7 | |a Thesis |2 local | |
655 | 7 | |a NonPeerReviewed |2 local | |
787 | 0 | |n http://repository.upi.edu/53029/ | |
787 | 0 | |n http://repository.upi.edu | |
856 | |u https://repository.upi.edu/53029 |z Link Metadata |