TINGKAT AKURASI METODE K-NEAREST NEIGHBOR DAN NAÏVE BAYES CLASSIFIER PADA KLASIFIKASI UJARAN KEBENCIAN TERHADAP AGAMA ISLAM
| Main Author: | AISAH FITRI, - |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.uin-suska.ac.id/22670/1/LAP-AISAH%20FITRI.pdf http://repository.uin-suska.ac.id/22670/2/BAB%20V.pdf http://repository.uin-suska.ac.id/22670/ |
Daftar Isi:
- ABSTRAK Twitter merupakan sosial media yang banyak menghasilkan sumber daya informasi. Banyak warganet yang salah dalam menggunakan sosial media (twitter) dengan bebasnya menulis tanpa batas dan memberikan komentar terhadap orang lain. Dampak yang ditimbulkan dari hal tersebut yaitu berbagai jenis pelanggaran kejahatan contohnya ujaran kebencian (hate speech). Hal ini sudah pernah diteliti sebelumnya dengan menggunakan metode klasifikasi Support Vector Machine (SVM). Penelitian ini akan membentuk tingkat akurasi dari metode yang digunakan yaitu metode K-Nearest Neighbor (KNN) dan metode Naïve Bayes Classifier (NBC), dengan menggunakan data yang sama dan tahapan preprocessing yang sama dari penelitian sebelumnya. Presentase perbandingan data latih dan data uji adalah 50:50, 60:40, 70:30, 80:20, dan 90:10. Metode NBC menghasilkan nilai akurasi lebih baik, yaitu sebesar 95% dengan pembagian 90% data latih berbanding 10% data uji sedangkan metode KNN sebesar 94% menggunakan fitur threshold dengan pembagian 80% data latih berbanding 20% data uji, sedangkan tanpa fitur threshold metode KNN hanya menghasilkan akurasi sebesar 82%. Kata kunci:Ujaran Kebencian, K-Nearest Neighbor, Naïve Bayes Classifier, Support Vector Machine, Tweet.