(0721) 8030188    [email protected]   

SELEKSI FITUR MENGGUNAKAN PSO UNTUK KLASIFIKASI HATE SPEECH PADA MEDIA SOSIAL MENGGUNAKAN NAIVE BAYES CLASSIFIER


Media sosial yang semakin berkembang telah mempermudah penyebaran hate speech atau ujaran kebencian, yang dapat berdampak negatif pada target, baik secara psikologis maupun sosial. Algoritma Naive Bayes dikenal efektif untuk klasifikasi teks, namun memiliki kelemahan dalam sensitivitas terhadap pemilihan fitur. Oleh karena itu, penelitian ini mengusulkan penggunaan Particle Swarm Optimization (PSO) untuk melakukan seleksi fitur guna meningkatkan akurasi klasifikasi hate speech pada media sosial. Penelitian ini bertujuan untuk membandingkan performa algoritma Naive Bayes sebelum dan sesudah diterapkan metode seleksi fitur menggunakan PSO. Dataset yang digunakan terdiri dari 1.113 komentar dari media sosial Instagram dan Twitter. Proses text preprocessing dilakukan, termasuk tokenisasi, penghapusan stopword, dan stemming, diikuti dengan pembobotan TF-IDF. Hasil penelitian menunjukkan bahwa penggunaan PSO mampu meningkatkan akurasi Naive Bayes dari 87.16% menjadi 92.37%. Dengan demikian, PSO terbukti efektif dalam meningkatkan performa algoritma Naive Bayes untuk klasifikasi hate speech. Penelitian ini memberikan kontribusi dalam pengembangan teknologi deteksi ujaran kebencian di media sosial secara otomatis dan efisien.

URI
https://repo.itera.ac.id/depan/submission/SB2410010046

Keyword
Hate Speech Klasifikasi Teks Seleksi Fitur Particle Swarm Optimization Naive Bayes