Hate Speech Detection pada Video Menggunakan Metode KNN dan Naive Bayes

Kwan, Christopher Kelvin Pintoro (2024) Hate Speech Detection pada Video Menggunakan Metode KNN dan Naive Bayes. [Undergraduate thesis]

PDF TI_2503_Abstrak.pdf Download (92kB)

Abstract

Hate speech atau ujaran kebencian sudah memberikan banyak dampak yang negatif di Indonesia seperti kerusuhan, pertengkaran fisik maupun verbal, perpecahan di masyarakat, dan masih banyak lagi. Sosial media menjadi tempat untuk menyebarkan hate speech paling cepat. Tidak hanya melalui postingan teks, cukup sering juga ditemukan hate speech berbentuk video. Dalam penelitian ini, peneliti akan membuat model yang menerapkan model machine learning untuk mendeteksi adanya hate speech dalam video dimana saat ini kebanyakan model machine learning digunakan untuk mendeteksi hate speech dalam bentuk teks saja. Dalam penerapannya, model akan mengubah video yang diinput menjadi teks menggunakan Google API. Kemudian klasifikasi akan dilakukan menggunakan Naive Bayes untuk mengklasifikasikan apakah video hate speech atau bukan, dan KNN untuk mengklasifikasikan konteks dari video. Pada dataset yang tidak seimbang hasil klasifikasi yang didapatkan pada klasifikasi hate speech adalah 74 dan klasifikasi konteks video didapatkan akurasi sebesar 45. Pada dataset yang seimbang namun terjadi overfitting akurasi yang didapatkan pada klasifikasi hate speech adalah 93 dan pada klasifikasi konteks video didapatkan akurasi 55. Berdasarkan hasil uji coba didapatkan bahwa model yang digunakan dapat memiliki akurasi yang baik apabila dataset yang digunakan seimbang antar label dan tidak ada overfitting pada label.

Item Type:	Undergraduate thesis
Uncontrolled Keywords:	Hate speech, Machine Learning, KNN, Naive Bayes
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering > Department of Informatic
Depositing User:	Hari Subagijo 201031
Date Deposited:	07 May 2024 07:50
Last Modified:	07 May 2024 07:50
URI:	http://repository.ubaya.ac.id/id/eprint/46333

Actions (login required)

View Item