Klasifikasi Komentar Toxic Pada Sosial Media Menggunakan SVM, Information Gain dan TF-IDF
Abstrak
Abstrak — Sosial media merupakan suatu bentuk perantara interaksi sosial secara online. Aplikasi media sosial pun sudah dalam banyak bentuk dan di dalam sosial media ini meskipun banyak hal positif yang dapat diambil, ada beberapa juga halhal negatif contoh nya toxic comment. Toxic comment sendiri tidaklah mudah untuk dideteksi secara manual, maka penelitian berencana untuk mengklasifikasikan toxic comment tersebut menggunakan machine learning. Beberapa penelitian untuk klasifikasi toxic comment sudah dilakukan, dalam beberapa penelitian tersebut digunakan metode Support Vector Machine. Dalam penelitian ini metode yang digunakan adalah Support Vector Machine (SVM) sebagai classifier, Information Gain sebagai feature selection dan TF- IDF sebagai feature extraction. Data-data yang dikumpulkan adalah melalui cuitan twitter beberapa pengguna di media sosial tersebut. Komentarkomentar tersebut dikumpulkan menjadi satu lalu diklasifikasikan menggunakan metode-metode yang sudah disebutkan.
Kata kunci— Sosial media, Klasifikasi teks, Toxic comment, SVM
Referensi
B. B. BY BY Andrew Perrin,
www.pewresearch.org RECOMMENDED CITATION: Andrew Perrin,= 2015. [Online]. Available: www.pewresearch.org/internet
S. Kemp,
J. W. Patchin and S. Hinduja,
E. Whittaker and R. M. Kowalski,
T. Pranckevicius and V. Marcinkevicius,
Classification,= Baltic Journal of Modern
Computing, vol. 5, no. 2, 2017, doi: 22364/bjmc.2017.5.2.05.
S. Hassan, 2011 14th International Multitopic Conference. IEEE, 2011.
G. Tsoumakas, http://www.dmoz.org/
B. Yu,
X. Deng, Y. Li, J. Weng, and J. Zhang,
G. Chandrashekar and F. Sahin,
G. I. Webb,
R. Susmaga,
A. W. Romadon and D. Richasdy,
M. Ibrahim, M. Torki, and N. El-Makky,
Using Data Augmentation and Deep Learning,= in
Proceedings - 17th IEEE International Conference on Machine Learning and Applications, ICMLA, Jan. 2019, pp. 875-878. doi: 1109/ICMLA.2018.00141.
