IMPLEMENTASI KLASIFIKASI KONTEN NEGATIF WEBSITE BERBASIS TEKS MENGGUNAKAN MODEL NAIVE BAYES, K-NEAREST NEIGHBORS , DAN SUPPORT VECTOR MACHINE

Reihan, Hanafi Wiyanatra and Riska, Amelia (2024) IMPLEMENTASI KLASIFIKASI KONTEN NEGATIF WEBSITE BERBASIS TEKS MENGGUNAKAN MODEL NAIVE BAYES, K-NEAREST NEIGHBORS , DAN SUPPORT VECTOR MACHINE. Diploma thesis, Universitas Bung Hatta.

	Text REPO Cover - Pendahuluan TA Reihan Hanafi.pdf Download (541kB)
	Text REPO Kesimpulan - Daftar Pustaka TA Reihan Hanafi.pdf Download (210kB)
	Text REPOSITORY IMPLEMENTASI KONTEN NEGATIF WEBSITE BERBASIS TEKS MACHINE LEARNING - TUGAS AKHIR REIHAN HANAFI.pdf Restricted to Repository staff only Download (4MB)

Abstract

Perkembangan teknologi informasi yang pesat telah memberikan kemudahan akses informasi, namun juga menimbulkan dampak negatif berupa penyebaran konten negatif seperti pornografi, perjudian, dan phishing. Penelitian ini berfokus pada pengembangan model klasifikasi konten negatif berbasis teks menggunakan algoritma machine learning, yaitu Naive Bayes, Support Vector Machine (SVM), dan K-Nearest Neighbors (KNN). Penelitian ini menggunakan metode kuantitatif eksperimental dengan dataset yang dikumpulkan dari repositori GitHub, yang kemudian diproses melalui tahapan web scraping dan pre-processing untuk membersihkan dan mempersiapkan data. Fitur-fitur penting dari setiap situs web diekstraksi menggunakan teknik TF-IDF, dan model-model machine learning dilatih menggunakan dataset yang telah diproses. Hasil penelitian menunjukkan bahwa model SVM mencapai akurasi tertinggi sebesar 82.24%, menunjukkan kemampuannya yang superior dalam mengklasifikasikan konten negatif dibandingkan dengan model Naive Bayes dan KNN. Sistem yang dikembangkan berhasil mengklasifikasikan konten negatif dengan tingkat keberhasilan 80%. Penelitian ini memberikan kontribusi signifikan dalam meningkatkan keamanan jaringan dan mengurangi risiko paparan konten negatif di internet dengan menyediakan model klasifikasi yang efektif dan akurat. Ke depannya, penelitian ini dapat ditingkatkan dengan memperluas dataset, menguji algoritma lain, dan melakukan pembersihan data yang lebih mendalam untuk mencapai tingkat akurasi yang lebih tinggi.

Actions (login required)

View Item