PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI PENCEMARAN NAMA BAIK DI MEDIA SOSIAL TWITTER
Article Sidebar
Main Article Content
Abstract
Pencemaran nama baik merupakan tindakan atau ucapan yang merusak martabat seseorang baik individu maupun kelompok, tertulis maupun lisan, yang dilakukan dengan sengaja dan disebarkan secara umum. Peraturan pencemaran nama baik tertuang pada pasal 310 KUHP, apabila terjadi di media sosial maka akan merujuk pada UU informasi dan transaksi elektronik (ITE) pasal 27 ayat 3 No. 19 tahun 2016. Twitter sebagai salah satu media sosial yang kerap digunakan masyarakat seringkali menjadi tempat dimana kasus pencemaran nama baik ini terjadi. Dalam penelitian ini dilakukan proses klasifikasi tweet pencemaran nama baik di media sosial twitter dengan menggunakan algoritma Support Vector Machine (SVM). Metode penelitian yang dipakai kali ini adalah CRISP-DM keluaran IBM, tahapannya dimulai dari business understanding, data understanding, data preparation, modelling, evaluation dan deployment . Dari hasil modelling atau pelatihan dan evaluation atau pengujian pada model SVM dengan menggunakan 6000 data tweet, maka diperoleh hasil akurasi tertinggi sebesar 87.7%. Selain itu model SVM juga sudah dapat dikategorikan good fit yang artinya model sudah mampu mengenali data baik itu untuk data latih maupun uji dengan baik, hal tersebut diperkuat oleh rata-rata akurasi model pada data latih dan uji yang terbilang tinggi yaitu sebesar 92% untuk data latih dan 85% untuk data uji.
Article Details
Section
Penulis yang menerbitkan dengan jurnal ini setuju pada persyaratan berikut ini:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama, dengan pekerjaan 6 bulan setelah penerbitan secara simultan dengan lisensi di bawah: Creative Commons Attribution License yang memudahkan yang lain untuk berbagi karya dengan pengakuan penerbitan awal dan kepenulisan karya di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non-ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
How to Cite
References
Rafiq A, “Dampak Media Sosial Terhadap Perubahan Sosial Suatu Masyarakat”, Global Komunika, vol. 1, no. 1, pp. 18 -29, 2020
Asmadi Erwin, “Dampak Media Sosial Terhadap Perubahan Sosial Suatu Masyarakat”, Jurnal Ilmu Hukum DELEGA LATA, vol. 6, no. 1, pp. 16 – 32, 2021
Pusiknas Bareskrim Polri, “Kasus Pencemaran Nama Baik Meningkat”, 19 Januari 2022 , [Online], [diakses pada 22 januari 2023]
I. N. G. Sugiartha, I. M. V. Jayananda, & M. M. Widiantara, “Analisis Tentang Pencemaran Nama Baik dan Penyalahgunaan Hak Kebebasan Berpendapat di Media Sosial”, Jurnal Analogi Hukum, vol. 3, no. 2, pp. 261 – 265, 2021
A. M. Pravina, Cholissodin Imam & P. P. Adikara, “Analisis Sentimen Tentang Opini Maskapai Penerbangan pada Dokumen Twitter Menggunakan Algoritme Support Vector Machine (SVM)”, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, no. 3, pp. 2789 – 2797, 2019
Sofana Iwan & Purnama Beni, “Implementasi Artificial Intelligence dan Machine Learning”, Informatika Bandung, 2021
Suyanto, “Machine Learning Tingkat Dasar dan Lanjut”, Informatika Bandung, 2018
Mutawali lalu, M. T. A. Zaen & Bagye Wire, “Klasifikasi Teks Sosial Media Twitter Menggunakan Support Vector Machine (Studi Kasus Penusukan Wiranto)”, Jurnal Informatika dan Rekayasa Elektronik (JIRE), vol. 2, no. 2, pp. 51 – 43, 2019
Tuhenay Deglorians & Mailoa Evans, “Perbandingan Klasifikasi Bahasa Menggunakan Metode Naïve Bayes Classifier (Nbc) Dan Support Vector Machine (SVM)”, JIKO (Jurnal Informatika dan Komputer), vol. 4, no. 2, pp. 105 – 111, 2021
Barkved Kristen, “How To Know if Your Machine Learning Model Has Good Performance”, 9 Maret 2022, [Online], [Diakses 29 Januari 2023]
Fitriah Nur, Warsito Budi & D. A. I. Maruddani, “Analisis Sentimen GOJEK pada Media Sosial Twitter dengan Klasifikasi Support Vector Machine (SVM)”, Jurnal Gaussian, vol. 9, no. 3, pp. 376 – 390, 2020
O. H. Rahman, Abdillah Gunawan & Komarudin Agus, “Klasifikasi Ujaran Kebencian pada Media Sosial Twitter Menggunakan Support Vector Machine”, Jurnal Rekayasa Sistem dan Teknologi Informasi (RESTI), vol. 5, no. 1, pp. 17 – 23, 2021
Pambudi Agung & Suprapto, “Effect of Sentence Length in Sentiment Analysis Using Support Vector Machine and Convolutional Neural Network Method”, Indonesian Journal of Computing and Cybernetics Systems (IJCCS), vol. 15, no. 1, pp. 21 - 30, 2021
Romadhona Herfia & Permadi Jaka, “Klasifikasi Berita Kriminal Menggunakan Naïve Bayes Classifier (NBC) dengan Pengujian K-Fold Cross Validation”, Jurnal Sains dan Informatika, vol. 5, no. 2, pp. 108 – 117, 2019
Normawati Dwi & S. A. Prayogi, “Implementasi Naïve Bayes dan Confussion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter”, Jurnal Sains Komputer dan Informatika (J-SAKTI), vol. 5, no. 2, pp. 697 – 711, 2021