EUVIMEDEUVIMED entdecken
Open Access · CC BY-SA 4.0

Penerapan

Ridwan Ridwan, Eni Heni Hermaliani, Muji Ernawati

Computer Science (CO-SCIENCE) · 31.01.2024 · 4 (1) · 80-88

DOI: 10.31294/coscience.v4i1.2990 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Computer Science (CO-SCIENCE), online erschienen am 31.01.2024. Verfasst von Ridwan Ridwan und 2 weiteren Autor:innen. Die Arbeit wurde bisher 4-mal zitiert (Crossref). Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).

AbstractBibliografische AngabenZitieren

Abstract (Originalsprache)

Ujaran kebencian adalah penyebaran kebencian terhadap individu atau kelompok atas dasar suku, agama, ras, dan karakteristik lain yang dapat menimbulkan diskriminasi, kekerasan, dan konflik sosial. Data yang tidak seimbang dapat menyebabkan hasil negatif pada hasil klasifikasi. Metode Synthetic Minority Oversampling Technique (SMOTE) digunakan untuk mengatasi data yang tidak seimbang. Ekstraksi fitur menggunakan Bag of Words dan TD-IDF, kemudian data training dilakukan oversampling menggunakan metode SMOTE, SVMSMOTE, KMeansSMOTE, dan BorderlineSMOTE. Klasifikasi tersebut menggunakan algoritma Random Forest, Support Vector Machine, Logistic Regression dan Naive Bayes. Hasil penelitian menunjukkan bahwa penerapan metode BorderlineSMOTE untuk menangani data imbalanced menghasilkan kinerja yang lebih baik daripada metode SMOTE lainnya berdasarkan nilai accuray, recall dan F1-Score dengan masing-masing nilai sebesar 84,09%, 85,25% dan 81,16%. Algoritma Random Forest menghasilkan nilai kinerja yang lebih tinggi dibandingkan algoritma lainnya

Zitieren

APA

Ridwan, R., Hermaliani, E. H., & Ernawati, M. (2024). Penerapan. Computer Science (CO-SCIENCE), 4(1), 80-88. https://doi.org/10.31294/coscience.v4i1.2990

Vancouver

Ridwan R, Hermaliani EH, Ernawati M. Penerapan. Computer Science (CO-SCIENCE). 2024;4(1):80-88. doi:10.31294/coscience.v4i1.2990

BibTeX
@article{Ridwan2024,
  author = {Ridwan, Ridwan and Hermaliani, Eni Heni and Ernawati, Muji},
  title = {Penerapan},
  journal = {Computer Science (CO-SCIENCE)},
  year = {2024},
  volume = {4},
  number = {1},
  pages = {80--88},
  doi = {10.31294/coscience.v4i1.2990}
}
Kostenlos starten →