Andhika Cahya Rizqillah, 4611419064 (2023) Implementasi Algoritma Bidirectional Long Short Term Memory Menggunakan Global Vectors Untuk Klasifikasi Tweet Hate Speech. Under Graduates thesis, UNNES.

	PDF - Published Version Download (789kB)
	PDF - Published Version Restricted to Repository staff only Download (3MB) | Request a copy
	PDF - Published Version Download (237kB)
	PDF - Published Version Download (205kB)
	PDF - Published Version Download (2MB)
	PDF - Published Version Restricted to Repository staff only Download (503kB) | Request a copy

Abstract

Tweet adalah pesan singkat di Twitter yang mengandung berbagai informasi dan sering digunakan untuk berkomunikasi dan berpartisipasi dalam percakapan online. Namun, seringkali tweet disalahgunakan, seperti dengan hate speech, yang melibatkan pesan diskriminatif terhadap individu atau kelompok berdasarkan karakteristik tertentu. Hate speech juga sering disertai abusive language, yaitu penggunaan bahasa kasar atau merendahkan individu atau kelompok dalam pesan. Untuk mengatasi masalah ini, text mining dapat digunakan untuk mengklasifikasikan tweet dengan lebih efektif dan akurat. Penelitian ini bertujuan untuk menerapkan algoritma Bidirectional Long Short-Term Memory (Bi-LSTM) dengan menggunakan pendekatan metode Global Vectors for Word Representation (GloVe) dalam upaya mengklasifikasikan tweet yang mengandung hate speech. Melalui pendekatan ini, kata-kata yang memiliki makna atau konteks yang serupa akan memiliki representasi vektor yang lebih mendekati satu sama lain secara geometris. Penelitian dilakukan dengan menggunakan dataset Indonesian multi-label hate speech and abusive language detection. Hasil eksperimen menunjukkan bahwa implementasi Bi-LSTM dengan GloVe mencapai tingkat akurasi sebesar 86,86% dalam mengklasifikasikan hate speech pada tweet berbahasa Indonesia. Model ini juga mencapai tingkat precision sebesar 90,41%, recall sebesar 85,33%, dan f1-score sebesar 0,8779. Hasil ini mengindikasikan bahwa penggunaan GloVe sebagai word embedding memberikan kontribusi positif dalam meningkatkan kemampuan model dalam mengidentifikasi dan mengklasifikasikan konten hate speech dengan lebih baik.

Actions (login required)

View Item