Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Elanda, Hega Cendikia"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Item
    IMPLEMENTASI IMPROVED STEMMING ALGORITHM UNTUK TEXT PREPROCESSING PADA PENDETEKSIAN HATE SPEECH DI MEDIA SOSIAL TWITTER
    (Program Studi S1 Informatika, 2023) Elanda, Hega Cendikia; Yan Puspitarani (Pembimbing)
    Twitter adalah media sosial yang memungkinkan penggunanya menuliskan pesan berbasis teks. Selain digunakan untuk hal-hal positif, twitter juga sering digunakan sebagai sarana untuk menyebarkan hate speech. Hate speech dapat menimbulkan dampak negatif seperti menyebabkan tekanan sosial, stres, putus asa, trauma, dan bahkan dapat berkontribusi pada tindakan bunuh diri. Oleh karena itu, diperlukan suatu sistem yang dapat mendeteksi hate speech secara otomatis. Penelitian ini bertujuan untuk mengembangkan model klasifikasi teks dengan menggunakan improved stemming algorithm pada tahap text preprocessing untuk mendeteksi hate speech di media sosial, terutama di platform Twitter. Hasil penelitian menunjukkan bahwa penggunaan improved stemming algorithm memberikan kontribusi positif terhadap akurasi klasifikasi teks dibanding skenario lainnya yaitu penggunaan algoritma porter dan juga tanpa menggunakan stemming. Model yang menerapkan improved stemming algorithm memiliki performa yang cukup baik dengan akurasi mencapai 85,03% pada pengujian yang dilakukan. Temuan ini memberikan wawasan tentang pentingnya text preprocessing dengan menggunakan metode stemming yang tepat dalam mengatasi masalah hate speech di media sosial. Hasil penelitian ini dapat menjadi landasan untuk pengembangan lebih lanjut dalam deteksi hate speech dan pengolahan teks yang lebih baik di platform media sosial.

PTI copyright © 2002-2026

  • Cookie settings
  • Privacy policy
  • End User Agreement
  • Send Feedback