KLASIFIKASI KONTEN PORNOGRAFI BERBASIS TEXT MINING MENGGUNAKAN ALGORITMA NAÏVE BAYES

Mandak, Aldwi and Syahputri, Rahmalia (2023) KLASIFIKASI KONTEN PORNOGRAFI BERBASIS TEXT MINING MENGGUNAKAN ALGORITMA NAÏVE BAYES. Skripsi thesis, Institut Informatika dan Bisnis Darmajaya.

[img] Text
1. Cover.pdf
Download (212kB)
[img] Text
2. Abstrak.pdf
Download (14kB)
[img] Text
3. Halaman Persetujuan dan Pengesahan.pdf
Download (1MB)
[img] Text
4. Daftar Isi.pdf
Download (292kB)
[img] Text
5. Bab 1.pdf
Download (205kB)
[img] Text
6. Bab 2.pdf
Download (627kB)
[img] Text
7. Bab 3.pdf
Download (515kB)
[img] Text
8. Bab 4.pdf
Download (1MB)
[img] Text
9. Bab 5.pdf
Download (17kB)
[img] Text
10. Daftar Pustaka.pdf
Download (242kB)
[img] Text
11. Lampiran.pdf
Download (2MB)

Abstract

Konten website atau blog yang mengandung pornografi adalah jenis konten yang memiliki dampak buruk terhadap moralitas dan integritas individu, terutama jika di konsumsi oleh anak-anak dan remaja. Oleh karena itu, dalam penelitian ini, dilakukan pengklasifikasian konten website atau blog ke dalam kategori pornografi dan non-pornografi menggunakan algoritma Naïve Bayes menggunakan model Multinomial Naïve Bayes dengan metode Machine Learning. Penelitian ini menggunakan 49.702 dokumen teks dari website atau blog dan menganalisis pola dari setiap dokumen teks untuk mengembangkan model klasifikasi Multinomial Naïve Bayes. Metode Machine Learning Life Cycle digunakan sebagai tahapan pembuatan model klasifikasi Multinomial Naïve Bayes, dimulai dari pengumpulan dataset, pembersihan data, pelabelan data, penambahan fitur pada model untuk meningkatkan performa model klasifikasi, pelatihan model, evaluasi model, hingga pembuatan sistem klasifikasi. Hasil dari penelitian ini menunjukkan bahwa dengan menggunakan data training berjumlah 34.791 data yang kemudian diterapkan teknik SMOTE sehingga data training yang digunakan berjumlah 45.366 data model Multinomial Naïve Bayes berhasil mengklasifikasikan dokumen teks dari website atau blog ke dalam kategori pornografi dan non-pornografi dengan akurasi sebesar 94.61%, Precision sebesar 92.14%, Recall sebesar 97.53%, dan F1-Score sebesar 94.76%. Kata Kunci: Naïve Bayes, Multinomial Naïve Bayes, Pornografi, Machine Learning, Klasifikasi Konten, Website, Blog

Item Type: Thesis (Skripsi)
Subjects: Ilmu Komputer
eSkripsi
Divisions: Skripsi/TA & PKPM/KP - Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: Aldwi Mandak
Date Deposited: 20 Jun 2023 02:52
Last Modified: 20 Jun 2023 02:52
URI: http://repo.darmajaya.ac.id/id/eprint/12072

Actions (login required)

View Item View Item