Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Intellect : Indonesian Journal of Learning and Technological Innovation
Maylawati, Maylawati
Unknown Affiliation
Computer Science & IT Education Electrical & Electronics Engineering

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

Found 1 Documents
Search

 1 
Implementasi Algoritma Support Vector Machine untuk Meingdentifikasi Komentar Negatif dalam Gambar di Media Sosial Andriyan, Acep Razif; Alam, Cecep Nurul; Sa’adillah, Dian; Maylawati, Maylawati; Irfan, Mohamad; Lukman, Nur
Intellect : Indonesian Journal of Learning and Technological Innovation Vol. 2 No. 1 (2023): Intellect : Indonesian Journal of Learning and Technological Innovation
Publisher : Yayasan Lembaga Studi Makwa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57255/intellect.v2i1.288

Abstract

As many as 191 million people are active users of social media in Indonesia, with many users often expressing opinions or making comments on social media that are positive or negative, such as blaspheming, bullying, insulting and so on. One form of comment is presented through images (memes), namely images that contain text in them. Therefore, a system was created to classify two types of images, positive and negative, using the SVM algorithm method with RBF kernel and OCR technology for retrieving text in images. The SVM algorithm functions to carry out classification and OCR technology functions to extract text from an image. Testing was carried out using split validation which produced the accuracy of the best model using a data comparison of 90:10 and produced an accuracy of 85.7%. Abstrak Sebanyak 191 juta orang sebagai pengguna aktif media sosial di indonesia, dengan banyaknya pengguna sering kali menyampaikan pendapat atau berkomentar di media sosial yang bersifat positif maupun negatif seperti menghujat, membuly, mencaci dan lain sebagainya. Salah satu bentuk komentar tersebut disajikan melalui gambar (meme) yaitu gambar yang mengandung teks di dalamnya. Maka dari itu diperlukan sebuah sistem untuk mengklasifikasi dua jenis gambar yang bersifat positif dan negatif menggunakan metode algoritma SVM dengan karnel RBF dan teknologi OCR untuk pengambilan teks dalam gambar. Algoritma SVM berfungsi untuk melakukan klasifikasi dan teknologi OCR berfungsi untuk mengekstrak text yang berada pada sebua gambar. Pengujian dilakukan dengan menggunakan split validation yang menghasilkan akurasi dari model terbaik dengan menggunakan perbandingan data 90:10 dan menghasilkan akurasi 85.7%.
Co-Authors Andriyan, Acep Razif Cecep Nurul Alam, Cecep Nurul Mohamad Irfan, Mohamad Nur Lukman Sa’adillah, Dian