ADI PUTRA, JULIANSYAH and Chairani, Chairani (2024) ANALISIS SENTIMEN PADA POSTINGAN HATE SPEECH DI MEDIA SOSIAL MENGGUNAKAN METODE K-NEAREST NEIGHBOR. Skripsi thesis, Institut Infomatika dan Bisnis Darmajaya.
![[img]](http://repo.darmajaya.ac.id/style/images/fileicons/text.png) |
Text
1 - Cover -Analisis Sentimen Pada Postingan Hate Speech Di Media Sosial Menggunakan Metode K-Nearest Neighbor.pdf Download (38kB) |
|
Text
2,3,4 - Pernyataan, persetujuan, pengesahan - Analisis Sentimen Pada Postingan Hate Speech Di Media Sosial Menggunakan Metode K-Nearest Neighbor.pdf Download (1MB) |
|
Text
5 - Daftar Riwayat Hidup - Analisis Sentimen Pada Postingan Hate Speech Di Media Sosial Menggunakan Metode K-Nearest Neighbor.pdf Download (65kB) |
|
Text
6 - Lembar Persembahan - Analisis Sentimen Pada Postingan Hate Speech Di Media Sosial Menggunakan Metode K-Nearest Neighbor.pdf Download (84kB) |
|
Text
7 - Halaman Motto - Analisis Sentimen Pada Postingan Hate Speech Di Media Sosial Menggunakan Metode K-Nearest Neighbor.pdf Download (60kB) |
|
Text
8 - Intisari - Analisis Sentimen Pada Postingan Hate Speech Di Media Sosial Menggunakan Metode K-Nearest Neighbor.pdf Download (64kB) |
|
Text
9 - Abstrack - Analisis Sentimen Pada Postingan Hate Speech Di Media Sosial Menggunakan Metode K-Nearest Neighbor.pdf Download (8kB) |
|
Text
10 - Kata Pengantar - Analisis Sentimen Pada Postingan Hate Speech Di Media Sosial Menggunakan Metode K-Nearest Neighbor.pdf Download (70kB) |
|
Text
11 - Daftar Isi - Analisis Sentimen Pada Postingan Hate Speech Di Media Sosial Menggunakan Metode K-Nearest Neighbor.pdf Download (60kB) |
|
Text
12 - Daftar Tabel - Analisis Sentimen Pada Postingan Hate Speech Di Media Sosial Menggunakan Metode K-Nearest Neighbor.pdf Download (116kB) |
|
Text
13 - Daftar Gambar - Analisis Sentimen Pada Postingan Hate Speech Di Media Sosial Menggunakan Metode K-Nearest Neighbor.pdf Download (53kB) |
|
Text
14 - Bab I - Analisis Sentimen Pada Postingan Hate Speech Di Media Sosial Menggunakan Metode K-Nearest Neighbor.pdf Download (81kB) |
|
Text
15 - Bab II - Analisis Sentimen Pada Postingan Hate Speech Di Media Sosial Menggunakan Metode K-Nearest Neighbor.pdf Download (144kB) |
|
Text
16 - Bab III - Analisis Sentimen Pada Postingan Hate Speech Di Media Sosial Menggunakan Metode K-Nearest Neighbor.pdf Download (197kB) |
|
Text
17 - Bab IV - Analisis Sentimen Pada Postingan Hate Speech Di Media Sosial Menggunakan Metode K-Nearest Neighbor.pdf Download (442kB) |
|
Text
18 - Bab V - Analisis Sentimen Pada Postingan Hate Speech Di Media Sosial Menggunakan Metode K-Nearest Neighbor.pdf Download (72kB) |
|
Text
19 - Daftar Pustaka - Analisis Sentimen Pada Postingan Hate Speech Di Media Sosial Menggunakan Metode K-Nearest Neighbor.pdf Download (159kB) |
Abstract
Ujaran kebencian didefinisikan sebagai segala bentuk provokasi, hasutan, penghinaan, penistaan, pencemaran nama baik, dan penyebaran berita palsu tentang ras, jenis kelamin, etnis, atau kewarganegaraan. atau kelompok, agama, dan lain-lain. Biasanya dalam membedakan suatu sentimen diperlukan Analisis Sentimen, Analisis Sentimen merupakan suatu metode yang digunakan untuk mengekstrak data opini dan secara otomatis mengolah data tekstual untuk melihat opini yang terkandung. Perngguna media sosial di Indonesia mencapai 191 juta orang pada tahun januari 2022 dikarenakan hal itu KOMINFO mengatakan telah menangani 3.640 laporan ujaran kebencian etnis, agama, ras, dan antargolongan antara 2018 dan 2021. Salah satu metode yang digunakan untuk klasifikasi hate speech adalah K-Nearest Neighbors (KNN). KNN merupakan langkah pengelompokan yang dapat dikatakan sederhana untuk memisahkan suatu citra dengan melihat kedekatan dengan tetangganya. Metode itu dipilih dikarenakan KNN merupakan metode yang ada di Artificial Intelligence yang bertujuan untuk mengklasifikasikan data menggunakan data-data yang didekatnya. Penelitian ini menggunakan data postingan twitter dengan query “RKUHP” sebanyak 703 data dengan bahasa Indonesia dan akan dibedakan menjadi tiga level yaitu, Negatif, Netral dan Positif. Dengan data yang sudah diolah didapatkan hasil yaitu K = 3 dengan akurasi 56,74%, K = 5 dengan akurasi 52,48%, K = 7 dengan akurasi 56,03%, dan K = 9 dengan akurasi 53,19%. Dengan hasil uji dari 4 “K” yang sudah ditentukan didapatkan hasil yang paling akurat adalah K = 3 dengan akurasi 56,74%.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Subjects: | Ilmu Komputer eSkripsi |
| Divisions: | Skripsi/TA & PKPM/KP - Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Juliansyah Adi Putra |
| Date Deposited: | 07 Aug 2024 04:19 |
| Last Modified: | 07 Aug 2024 04:19 |
| URI: | http://repo.darmajaya.ac.id/id/eprint/16960 |
Actions (login required)
 |
View Item |