[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"ssr-repo-dspace000004389":3},{"id":4,"title":5,"authors":6,"files":8,"advisors":53,"authors_detail":54,"advisors_detail":58,"publisher":59,"publish_place":60,"language":61,"type":62,"type_slug":63,"year":64,"department":65,"study_program":66,"keywords":67,"keywords_detail":73,"abstract":84,"abstract_html":85,"url":86},"repo-dspace000004389","Deteksi Hate Speech Menggunakan Metode Random Forest dengan Word Embedding Word2Vec pada Media Sosial Twitter",[7],"Faiza Kurnia Putri",[9,14,17,20,23,26,29,32,35,38,41,44,47,50],{"chapter":10,"requires_login":11,"label":12,"available":13},"abstrak",false,"Abstrak",true,{"chapter":15,"requires_login":11,"label":16,"available":11},"pendahuluan","Pendahuluan",{"chapter":18,"requires_login":11,"label":19,"available":13},"bab1","Bab I",{"chapter":21,"requires_login":11,"label":22,"available":13},"bab2","Bab II",{"chapter":24,"requires_login":13,"label":25,"available":13},"bab3","Bab III",{"chapter":27,"requires_login":13,"label":28,"available":13},"bab4","Bab IV",{"chapter":30,"requires_login":13,"label":31,"available":13},"bab5","Bab V",{"chapter":33,"requires_login":13,"label":34,"available":11},"bab6","Bab VI",{"chapter":36,"requires_login":13,"label":37,"available":11},"bab7","Bab VII",{"chapter":39,"requires_login":11,"label":40,"available":11},"daftar_pustaka","Daftar Pustaka",{"chapter":42,"requires_login":13,"label":43,"available":11},"lampiran","Lampiran",{"chapter":45,"requires_login":13,"label":46,"available":11},"jurnal","Jurnal",{"chapter":48,"requires_login":11,"label":49,"available":13},"open","Akses Terbuka",{"chapter":51,"requires_login":13,"label":52,"available":13},"full","Dokumen Lengkap",[],[55],{"name":7,"nim":56,"slug":57},"2041720051","faiza-kurnia-putri",[],"Politeknik Negeri Malang","Malang","Indonesia","Skripsi (D4)","skripsi-d4",2024,"D-IV TEKNIK INFORMATIKA",null,[68,69,70,71,72],"Hate Speech","Twitter","Random Forest","Word2Vec","Machine Learning",[74,76,78,80,82],{"name":68,"slug":75},"hate-speech",{"name":69,"slug":77},"twitter",{"name":70,"slug":79},"random-forest",{"name":71,"slug":81},"word2vec",{"name":72,"slug":83},"machine-learning","Media sosial merupakan sumber informasi, hiburan, dan sarana komunikasi online yang digunakan untuk berinteraksi tanpa batasan tertentu. Salah satu platform media sosial yang populer di Indonesia adalah Twitter. Kebebasan berpendapat di Indonesia merupakan hak yang dilindungi oleh konstitusi, namun sering disalahgunakan untuk menyebarkan ujaran kebencian, yang memiliki dampak negatif signifikan. Oleh karena itu, penelitian ini bertujuan untuk mendeteksi ujaran kebencian secara otomatis berbasis machine learning serta mengevaluasi tingkat akurasi yang dicapai. Algoritma Random Forest digunakan sebagai metode klasifikasi, dengan Word2Vec sebagai metode word embedding. Data yang diolah dalam penelitian ini berupa teks tweet yang diambil dari Twitter dan dikoleksi serta dipublikasikan di platform open dataset Kaggle. Penelitian ini melibatkan beberapa eksperimen, termasuk penerapan teknik SMOTE untuk menyeimbangkan data, pembagian data dengan rasio 90\u002F10, kombinasi preprocessing, dan model word embedding Word2Vec. Hasil pengujian menunjukkan bahwa model dengan dataset seimbang menggunakan SMOTE mencapai akurasi tertinggi sebesar 77%. Pada pengujian pembagian data, rasio 90\u002F10 memberikan akurasi tertinggi sebesar 78%. Kombinasi preprocessing yang melibatkan penghapusan stopword tanpa stemming menghasilkan akurasi tertinggi sebesar 80%. Pada pengujian model word embedding, penggunaan pre-trained model dari Word2Vec dengan dataset Wikipedia mencapai akurasi sebesar 78%. Terakhir, pada pengujian k-Fold Cross Validation dengan k=9, model menunjukkan performa paling konsisten dengan akurasi tertinggi sebesar 75%.","\u003Cp>Media sosial merupakan sumber informasi, hiburan, dan sarana komunikasi online yang digunakan untuk berinteraksi tanpa batasan tertentu. Salah satu platform media sosial yang populer di Indonesia adalah Twitter. Kebebasan berpendapat di Indonesia merupakan hak yang dilindungi oleh konstitusi, namun sering disalahgunakan untuk menyebarkan ujaran kebencian, yang memiliki dampak negatif signifikan. Oleh karena itu, penelitian ini bertujuan untuk mendeteksi ujaran kebencian secara otomatis berbasis machine learning serta mengevaluasi tingkat akurasi yang dicapai. Algoritma Random Forest digunakan sebagai metode klasifikasi, dengan Word2Vec sebagai metode word embedding. Data yang diolah dalam penelitian ini berupa teks tweet yang diambil dari Twitter dan dikoleksi serta dipublikasikan di platform open dataset Kaggle. Penelitian ini melibatkan beberapa eksperimen, termasuk penerapan teknik SMOTE untuk menyeimbangkan data, pembagian data dengan rasio 90\u002F10, kombinasi preprocessing, dan model word embedding Word2Vec. Hasil pengujian menunjukkan bahwa model dengan dataset seimbang menggunakan SMOTE mencapai akurasi tertinggi sebesar 77%. Pada pengujian pembagian data, rasio 90\u002F10 memberikan akurasi tertinggi sebesar 78%. Kombinasi preprocessing yang melibatkan penghapusan stopword tanpa stemming menghasilkan akurasi tertinggi sebesar 80%. Pada pengujian model word embedding, penggunaan pre-trained model dari Word2Vec dengan dataset Wikipedia mencapai akurasi sebesar 78%. Terakhir, pada pengujian k-Fold Cross Validation dengan k=9, model menunjukkan performa paling konsisten dengan akurasi tertinggi sebesar 75%.\u003C\u002Fp>","https:\u002F\u002Frepository.polinema.ac.id\u002Fcollection\u002Fdetail?id=dspace000004389&year=2024&title=deteksi-hate-speech-menggunakan-metode-random-forest-dengan-word-embedding-word2vec-pada-media-sosial-twitter"]