Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
Renaldo Yosia Rafael
Universitas Bunda Mulia
Computer Science & IT Education

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PENGIMPLMENTASIAN ALGORITMA LONG SHORT-TERM MEMORY UNTUK MENDETEKSI UJARAN KEBENCIAN PADA APLIKASI TWITTER Renaldo Yosia Rafael; Fransiskus Adikara
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 8, No 2 (2023)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v8i2.3490

Abstract

Memasuki tahun 2022, jumlah pengguna internet di Indonesia sudah mencapai angka 204.7 juta pengguna, dimana se-bagian besar penggunaan internet adalah untuk media social. Seiring dengan tingginya pengguna media sosial, Direktorat Tindak Pidana Siber Bareskrim Polri mendapati 89 konten media sosial terverifikasi mengandung ujaran kebencian selama periode Februari-Maret 2021, dimana konten terbanyak berasal dari aplikasi Twitter. Oleh karena itu dilakukanlah penelitian dengan mengimplementasikan Machine learning untuk mendeteksi ujaran kebencian pada ap-likasi Twitter menggunakan metode Long short-term memory. Penyerapan data Twitter dilakukan dengan mengimplemen-tasikan Tweepy Library oleh Muhammad Okky Ibrohim yang diakses melalui Kaggle selama sekitar 7 bulan, mulai 20 Maret 2018 hingga 10 September 2018. Tujuan penyerapan data dengan waktu yang lama adalah untuk mendapatkan lebih banyak pola tulisan twit. Data yang telah melalui text processing kemudian dibuat menjadi token-token yang meru-pakan rangkaian nilai integer. Kemudian model LSTM dibangun dengan mengkompilasikan input layer, LSTM layer, dan output layer, untuk nantinya dilatih dengan data training yang telah dipisahkan dari dataset. Peneliti menemukan hasil dari pelatihan model menunjukan accuracy sebesar 95.74% dan nilai loss 0.3463. Saat model yang telah dilatih digunakan untuk membuat prediksi terhadap data test, peneliti mendapatkan nilai accuracy sebesar 90% yang mengindi-kasikan model telah melakukan prediksi secaara akurat. Berdasarkan performa model dalam mendeteksi ujaran keben-cian, peneliti dapat menyimpulkan bahwa deteksi ujaran kebencian pada Twitter dapat dilakukan dengan penggunaan Machine learning dan algoritma Long short-term memory(LSTM) dengan tingkat akurasi yang cukup tinggi.
Co-Authors Adikara, Fransiskus