IMPLEMENTASI METODE K-NEAREST NEIGHBOR (K-NN) UNTUK IDENTIFIKASI UJARAN KEBENCIAN TERHADAP TOKOH POLITIK PADA TWITTER
| Main Author: | RIDHO DARMAWAN, 11551102852 |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.uin-suska.ac.id/24558/1/EX%20BAB%20V.pdf http://repository.uin-suska.ac.id/24558/2/BAB%20V.pdf http://repository.uin-suska.ac.id/24558/ |
Daftar Isi:
- Ujaran kebencian adalah suatu ucapan atau bahasa yang mengekspresikan suatu kebencian terhadap individu maupun kelompok yang bertujuan untuk menghina atau mempermalukan yang medianya bisa terdapat dimana saja, salah satunya Twitter. Twitter merupakan media sosial yang memungkinkan pengguna untuk menyampaikan perasaan dan opini melalui Tweet, termasuk Tweet yang mengandung ujaran kebencian. Tentunya dibutuhkan bantuan ahli bahasa untuk mengidentifikasi ujaran kebencian dimana hal itu dapat membutuhkan waktu yang lama sehingga dilakukan identifikasi menggunakan sistem. Penelitian ini menggunakan metode K-Nearest Neighbor. Data yang digunakan yaitu Tweet tentang tokoh politik. Data Tweet diperoleh berdasarkan komentar terhadap akun tokoh politik dan hashtag terkait tokoh tersebut dengan memanfaatkan Twitter API (Application Programming Interface). Penelitian ini menggunakan dataset 1000 data yang dibagi menjadi 500 data kelas kebencian dan 500 data kelas tidak kebencian. Hasil dari proses pengujian menggunakan confusion matrix memperoleh akurasi tertinggi yaitu sebesar 85%, recall sebesar 85.33%, precision sebesar 84.77%, dan error rate sebesar 15% pada model dataset 70%:30% dengan nilai k bernilai 11 dan threshold bernilai 20. Berdasarkan hasil penelitian dapat disimpulkan bahwa metode K-Nearest Neighbor baik dalam proses identifikasi ujaran kebencian pada media sosial Twitter. Kata Kunci: Confusion Matrix, K-Nearest Neighbor, Threshold, Tokoh Politik, Twitter, Ujaran Kebencian