DETEKSI HATE SPEECH PADA KOLOM KOMENTAR TIKTOK DENGAN MENGGUNAKAN ALGORITMA NAÏVE BAYES DENGAN SMOOTHING

ROY, RAFLES MATORANG PASARIBU (2025) DETEKSI HATE SPEECH PADA KOLOM KOMENTAR TIKTOK DENGAN MENGGUNAKAN ALGORITMA NAÏVE BAYES DENGAN SMOOTHING. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM , UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK.pdf Download (255Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (7Mb)
Preview	File PDF SKRIPSI FULL TANPA PEMBAHASAN.pdf Download (7Mb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Hate speech adalah ekspresi yang bersifat bias, bermusuhan, dan diskriminatif yang ditujukan kepada individu atau kelompok berdasarkan karakteristik mereka. Di era digital, platform media sosial seperti TikTok sangat rentan terhadap penyebaran hate speech, terutama melalui kolom komentar. Metode tradisional untuk mendeteksi hate speech sering kali tidak efektif dalam menangani volume data yang besar dan beragamnya ekspresi pengguna. Oleh karena itu, penelitian ini mengembangkan model deteksi hate speech berbasis Multinomial Naïve Bayes dengan smoothing. Penerapan smoothing bertujuan untuk mengatasi permasalahan zero probability pada kata-kata yang jarang muncul, sehingga meningkatkan akurasi prediksi model. Dataset dibagi dengan rasio 80:20, di mana 80% digunakan untuk pelatihan dan 20% untuk pengujian. Model yang dikembangkan mencapai akurasi sebesar 88,41%, dengan nilai presisi, recall, dan F1-score yang serupa. Evaluasi lebih lanjut melalui pengujian pengguna dengan 35 partisipan yang menganalisis 7.415 komentar menunjukkan akurasi deteksi sebesar 68,6%. Sebagai implementasi, model ini diintegrasikan ke dalam plugin Google Chrome yang mendeteksi hate speech pada komentar TikTok secara real time, dilengkapi dengan visualisasi probabilitas dan mekanisme validasi pengguna. Kata kunci : Deteksi hate speech, Naïve Bayes, smoothing, TikTok, analisis sentimen, machine learning, plugin Google Chrome. Hate speech is a biased, hostile, and discriminatory expression directed at individuals or groups based on their inherent characteristics. In the digital era, social media platforms such as TikTok have become highly susceptible to the spread of hate speech, particularly through comment sections. Traditional methods for detecting hate speech are often ineffective in handling large volumes of data and diverse user expressions. Therefore, this study develops a hate speech detection model based on Multinomial Naïve Bayes with smoothing. The application of smoothing aims to address the issue of zero probability for rarely occurring words, thereby enhancing the model's predictive accuracy. The dataset is split into an 80:20 ratio, with 80% used for training and 20% for testing. The developed model achieves an accuracy of 88.41%, with precision, recall, and F1-score at similar levels. Further evaluation through user testing with 35 participants analyzing 7,415 comments indicates a detection accuracy of 68.6%. As an implementation, this model is integrated into a Google Chrome plugin that detects hate speech in TikTok comments in real time, featuring probability visualization and user validation mechanisms. Keywords : Hate speech detection, Naïve Bayes, TikTok, sentiment analysis, machine learning, Google Chrome plugin.

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika 600 Teknologi (ilmu terapan)
Program Studi:	FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) > Prodi S1 Ilmu Komputer
Pengguna Deposit:	2301246158 . Digilib
Date Deposited:	11 Jun 2025 08:06
Terakhir diubah:	11 Jun 2025 08:06
URI:	http://digilib.unila.ac.id/id/eprint/88392

Actions (login required)

Lihat Karya Akhir