Analisis perbandingan metode saw, topsis, wp , dan promethee terhadap sistem pendukung keputusan penerimaan karyawan baru berbasis android

Murni, Murni (2024) Analisis perbandingan metode saw, topsis, wp , dan promethee terhadap sistem pendukung keputusan penerimaan karyawan baru berbasis android. S2 thesis, Universitas Ahmad Dahlan.

	Text (JUDUL) T2_2007048014_JUDUL__240227023640.pdf Download (528kB)
	Text (BAB I) T2_2007048014_BAB_I__240227023640.pdf Download (93kB)
	Text (BAB II) T2_2007048014_BAB_II__240227023640.pdf Restricted to Registered users only Download (322kB) | Request a copy
	Text (BAB III) T2_2007048014_BAB_III__240227023640.pdf Restricted to Registered users only Download (280kB) | Request a copy
	Text (BAB IV) T2_2007048014_BAB_IV__240227023640.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) T2_2007048014_BAB_V__240227023640.pdf Restricted to Registered users only Download (77kB) | Request a copy
	Text (Daftar Pustaka) T2_2007048014_DAFTAR_PUSTAKA__240227023640.pdf Restricted to Registered users only Download (154kB) | Request a copy
	Text (Lampiran) T2_2007048014_LAMPIRAN__240227023640.pdf Restricted to Registered users only Download (163kB) | Request a copy
	Text (Naskah Publikasi) T2_2007048014_NASKAH_PUBLIKASI__240227023640.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Twitter adalah media sosial yang menghargai kebebasan untuk berekspresi. Karakteristik Twitter yang memberikan kemudahan dalam berbagi Tweet dengan cepat dapat menyebabkan penyebaran Hate Speech. Hate Speech merujuk pada ekspresi verbal yang memiliki tujuan merendahkan individu atau kelompok tertentu berdasarkan atribut seperti suku, agama, ras, dan antargolongan (SARA). Oleh karena itu, identifikasi dan penanganan Hate Speech menjadi perhatian dalam upaya menjaga keamanan dan kenyamanan pengguna media sosial. Penggunaan Algoritma Machine Learning dalam menganalisis sentimen dibutuhkan untuk mendeteksi apakah suatu Tweet termasuk dalam kategori Hate Speech atau Non-Hate Speech di Twitter. Tujuan penelitian ini adalah melakukan analisis sentimen terhadap Tweet pada media sosial Twitter menggunakan algoritma Machine Learning guna mengidentifikasi algoritma yang tepat dalam mengenali Tweet yang termasuk dalam kategori Hate Speech.

Analisis sentimen merupakan bagian dari natural language processing untuk mendeteksi nada emosional dalam teks. Penelitian ini menggunakan algoritma Machine Learning Naïve Bayes Classifier dan Support Vector Machine untuk identifikasi Tweet Hate Speech. Tahapan penelitian yang dilakukan yaitu pengambilan data dari Twitter menggunakan Twitterscraper dan API Twitter, labeling manual, preprocessing (case folding, tokenization, stopword removal, dan stemming), feature extraction menggunakan Term Frequency-Inverse Document Frequency (TF-IDF), stratified k-fold, dan evaluasi menggunakan Confusion Matrix. Penelitian ini menggunakan bahasa pemrograman Python untuk proses analisis dan evaluasi.

Dataset yang dikumpulkan sebanyak 5000 data dengan sentimen Hate Speech sebanyak 3988 dan Non-Hate Speech sebanyak 1012 sentimen. Data tersebut melalui tahap preprocessung, yaitu case folding, tokenization, stopword removal, dan stemming. Data yang telah melalui tahap stemming diubah menggunakan feature extraction TF-IDF. Sentimen pada data yang dianalisis tidak seimbang sehingga digunakan teknik stratified k-fold. Model yang dianalisis yaitu Multinomial Naïve Bayes (MNB) dan Linear Support Vector Machine (LinearSVC). Hasil penelitian menunjukkan LinearSVC unggul dalam mengidentifikasi sentimen Hate Speech dengan precision sebesar 85%, sementara MNB lebih baik dalam mengenali sentimen Hate Speech dengan recall sebesar 100%. Meskipun kedua model memiliki F1-Score yang sama, LinearSVC memiliki accuracy yang lebih tinggi yaitu 85%, sementara MNB memiliki accuracy 82%, sehingga membuktikan keunggulan SVM dibandingkan MNB.

Item Type:	Thesis (S2)
Keyword:	machine learning, analisis sentimen, hate speech, twitter
Subjects:	T Technology > TP Chemical technology
Depositing User:	userperpus1 userperpus1
Date Deposited:	11 May 2024 07:43
Last Modified:	11 May 2024 07:43
URI:	http://eprints.uad.ac.id/id/eprint/63255

Actions (login required)

View Item