Text
KLASIFIKASI KOMENTAR PERUNDUNGAN PADA INSTAGRAM MENGGUNAKAN ALGORITMA CHI-SQUARE DAN SUPPORT VECTOR MACHINE
Instagram adalah salah satu platform media sosial yang populer untuk memenuhi kebutuhan sosial. Namun banyak kasus bullying yang terjadi di Instagram karena sebagian pengguna tidak memahami etika bersosialisasi melalui media sosial. Dampak dari tindakan ini sangat meresahkan karena dapat menyebabkan depresi hingga bunuh diri. Oleh karena itu, diperlukan metode klasifikasi yang dapat mengklasifikasikan komentar di Instagram untuk mengetahui bahwa komentar tersebut termasuk dalam kategori komentar bullying atau non-bullying. Metode Support Vector Machine (SVM) memiliki performa yang baik dalam mengklasifikasikan data teks. Namun, semakin banyak komentar data, semakin banyak fitur yang akan diproses, sehingga semakin lama waktu komputasi Support Vector Machine. Untuk mengatasi masalah ini, metode Chi-Square digunakan untuk mengurangi jumlah fitur pada data komentar. Tujuan dari penelitian ini adalah untuk mengetahui performansi yang dihasilkan metode SVM dengan pemilihan fitur Chi-Square dan metode SVM tanpa fitur seleksi dalam mengklasifikasikan komentar bullying di Instagram. Hasil pengujian akan dibandingkan dan dievaluasi untuk mengetahui pengaruh metode Chi-Square dalam meningkatkan kinerja metode SVM. Pengujian dilakukan dengan menggunakan fungsi kernel Linear, Polynomial dan RBF dengan parameter masukan C yaitu 0,1, 1 dan 10 untuk masing-masing kernel. Hasil pengujian yang telah dilakukan menunjukkan bahwa metode SVM dengan pemilihan fitur Chi-Square memiliki performansi yang lebih baik. Metode Chi-Square mampu mereduksi fitur dari dataset, sehingga meningkatkan performansi dan mengurangi waktu komputasi dari metode Support Vector Machine. Peningkatan akurasi tertinggi terjadi pada RBF kernel dengan parameter C = 0,1 yaitu 0,20.
Inventory Code | Barcode | Call Number | Location | Status |
---|---|---|---|---|
2107000335 | T46251 | T462512021 | Central Library (REFERENCES) | Available but not for loan - Not for Loan |
No other version available