Claim Missing Document
Check
Articles

Found 2 Documents
Search

Hate Speech Classification on Twitter Using Support Vector Machine Oryza Habibie Rahman; Gunawan Abdillah; Agus Komarudin
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 5 No 1 (2021): Februari 2021
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v5i1.2700

Abstract

Nowadays social media has become a place for peoples to express their opinions, there are many ways that can be done to express both positive and negative opinions. Hate speech is one of the problems that we find quite a lot in cyberspace, that things can be detrimental to many parties. Twitter as one of social media, can be used as a source of analysis about people's behavior in cyberspace. Many of our society that unconsciously act of hate speech on social media, therefore this study finds out how people's behavior patterns in cyberspace and the main issue of hate speech on a particular topic and time period by classify it into five classes, namely ethnicity, religion, race, inter-groups and neutral using Support Vector Machine. In this study also compares three kernel that common to use and the result is the system can classify hate speech by using RBF kernel and got the highest result with 93% accuracy on 700 data train and 300 data test.
Klasifikasi Suara Manusia Dengan Menggunakan Jaringan Syaraf Tiruan Dan Algoritma Levenberg-Marguadt Gunawan Abdillah
Jurnal Teknik: Media Pengembangan Ilmu dan Aplikasi Teknik Vol 9 No 1 (2010): Jurnal Teknik - Media Pengembangan Ilmu dan Aplikasi Teknik
Publisher : Fakultas Teknik - Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26874/jt.vol9no1.346

Abstract

Teknologi pengenalan suara saat ini telah mengalami perkembangan terutama dalam hal speech processing. Speech processing merupakan suatu cara untuk mengekstrak informasi yang diinginkan dari sebuah sinyal suara. Penelitian ini membahas sistem klasifikasi suara manusia male dan female. Mengeksitrak ciri dari sinyal suara setiap frame pada domain waktu dan freguency domain sangat membantu untuk menyederhanakan dan mempercepat perhitungan. Adapun fitur-fitur untuk suara atau audio antara lain Short Time Energy, Zero Crossing Rate, Spectral Centroid dan lain-lain. Hasil pengujian sistem menunjukkan bahwa klasifikasi suara manusia dengan menggunakan jaringan syaraf tiruan backpropagation dan algoritma Levenberg-Marguadt untuk perubahan matriks bobotnya sangat baik dan cepat karena kompleksitas perhitungan yang tidak terlalu tinggi. Database sample suara sebanyak 40 buah dengan data test sebanyak 4 suara. Output dari sistem adalah hasil klasifikasi yang telah dikenali dengan nilai kemiripan 0,5 sebagai male dan <0,5 sebagai female.