Article Per Year (5 Year)
p-Index From 2019 - 2024
0.888
P-Index
This Author published in this journals
All Journal GERVASI: Jurnal Pengabdian kepada Masyarakat Technologia: Jurnal Ilmiah Jurnal Teknologi Informasi : Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika Jurnal Responsif : Riset Sains dan Informatika
Fathul Hafidh
Universitas Islam Kalimantan Muhammad Arsyad Al Banjari Banjarmasin
Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Social Sciences Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Responsif : Riset Sains dan Informatika

 1 
PENERAPAN PARTICLE SWARM OPTIMIZATION PADA DETEKSI UJARAN KEBENCIAN DALAM PLATFORM TWITTER Mirza Yogy Kurniawan; Fathul Hafidh; Muhammad Edya Rosadi; Rezky Izzatul Yazidah Anwar
Jurnal Responsif : Riset Sains dan Informatika Vol 5 No 2 (2023): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v5i2.1340

Abstract

Media sosial telah menjadi sarana komunikasi yang sangat umum dipakai. Media sosial daring kini telah luas digunakan untuk pemasaran, pariwisata, dan juga penyebaran berita. Tingginya angka pengguna media sosial juga meningkatkan kemungkinan terdapatnya ujaran kebencian pada media tersebut. Ujaran kebencian adalah suatu bentuk tindakan komunikasi dalam bentuk provokasi, hasutan, atau hinaan kepada suatu individu atau kelompok dalam hal suku, agama, ras, kewarganegaraan dan lainnya. Riset ini mengumpulkan data cuitan dari Twitter menggunakan Application Programming Interface yang sudah disediakan oleh Twitter. Cuitan tersebut disimpan dan ditandai secara manual mana yang termasuk ujaran kebencian, dan mana yang bukan. Data cuitan diklasifikasi menggunakan metode Random Forest, k-Nearest Neighbour, Naïve Bayes dan Support Vector Machine. Hasil klasifikasi dicatat dan dilanjutkan dengan penerapan Particle Swarm Optimiziation. Hasil penerapan PSO dibandingkan dan didapati bahwa nilai akurasi yang tertinggi didapat oleh metode SVM yang dioptimasi dengan PSO dengan nilai akurasi sebesar 75.49%. Sedangkan metode Naïve Bayes memiliki kenaikan akurasi paling tinggi setelah dioptimasi sebesar 4.02%.
Co-Authors Mirnawati Mirnawati Mirza Yogy Kurniawan Mirza Yogy Kurniawan Mirza Yogy Kurniawan Muhammad Edya Rosadi Rezky Izzatul Yazidah Anwar Rezky Izzatul Yazidah Anwar