Lihat Juga

• Optical Character Recognition Pada Ekstraksi Informasi Citra Kartu Tanda Penduduk Elektronik Menggunakan Convolutional Neural Network
  oleh: Fadhlurrohman, Muhammad
  Terbitan: (2020)
• Sistem Pembayaran Mengunakan Elektronik Kartu Tanda Penduduk Berbasis Radio Frequency Identification
  oleh: Hasanudin, M.Rinaldi
  Terbitan: (2020)
• Deteksi Perundungan Siber (Cyberbullying) pada Instagram Menggunakan Metode Naive Bayes Classifier dengan Lexicon Based Features
  oleh: Putra Pandu Adikara, S. Kom., M.Kom.,, et al.
  Terbitan: (2020)
• Estimasi Sisa Makanan Otomatis pada Kotak Makan Menggunakan Segmentasi Citra Berbasis Clustering Dengan Algoritme K-Means , Yuita Arum Sari, S.Kom., M.Kom. dan Agus Wahyu Widodo, S.T., M.Cs
  oleh: Asidik, Haris Bahtiar
  Terbitan: (2021)
• Torang Bolon Panjaitan Abednego 115 Fakultas Ilmu Komputer Teknik Informatika 05 Skripsi Deteksi Perundungan Siber pada Tweet Berbahasa Indonesia menggunakan Support Vector Machine dengan Lexicon Based Features Salah satu bentuk penyalahgunaan kemudahan interaksi pada sosial media Twitter adalah perundungan siber. Perundungan siber dapat mengakibatkan korban merasa tidak berharga, marah, malu, tidak percaya diri, dan takut. Perundungan yang dapat dilakukan melalui media sosial berupa ejekan, fitnah, dan ancaman. Deteksi Perundungan Siber bertujuan untuk mendeteksi tweet yang mengandung perundungan. Support Vector Machine adalah metode yang digunakan dengan menggunakan fitur Term Frequency-Inverse Document Frequency dan tambahan dari fitur Lexicon Based. Data yang digunakan berjumlah 337 data, dengan pembagian komposisi 70% data latih dan 30% data uji. Hasil evaluasi pada sistem menunjukkan bahwa menggunakan Lexicon Based Feature memberikan hasil recall yang lebih baik daripada hanya menggunakan TF-IDF dan fitur gabungan dari TF-IDF dengan Lexicon Based Feature. Hasil evaluasi tertinggi didapatkan dengan menggunakan Lexicon Based Feature, yaitu Kernel Linear dengan parameter lambda = 0,1, gamma = 0,0001, complexity = 1, epsilon = 0,0001, dan iter max = 10 menghasilkan accuracy = 82,69, recall = 79,66, precision = 88,67, dan f-measure = 83,92
  oleh: Torang Bolon Panjaitan, Abednego
  Terbitan: (2021)