Yola Okta, Vina (2025) ANALISIS DETEKSI BLACK CAMPAIGN MENGGUNAKAN ALGORITMA NAIVE BAYES DAN XGBOOST PADA PLATFORM MEDIA SOSIAL TIKTOK. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.
|
File PDF
ABSTRAK Yola Okta Vina.pdf Download (113Kb) | Preview |
|
![[img]](http://digilib.unila.ac.id/style/images/fileicons/text.png) |
File PDF
Skripsii Full Yola Okta Vina.pdf Restricted to Hanya staf Download (8Mb) | Minta salinan |
|
|
File PDF
Skripsii Tanpa Pembahasan Yola Okta Vina.pdf Restricted to Hanya staf Download (6Mb) | Minta salinan |
Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)
Black campaign merupakan praktik penyebaran informasi negatif yang menyesatkan untuk merusak reputasi individu atau brand. Penelitian ini bertujuan mendeteksi black campaign terhadap brand skincare X menggunakan dua algoritma machine learning, yaitu Naive Bayes dan XGBoost, serta membandingkan kinerjanya. Data diambil dari TikTok pada periode September–Desember 2024 dan melalui tahapan preprocessing meliputi cleaning, case folding, stopword removal, normalisasi, stemming, tokenisasi, serta pembobotan TF-IDF. Evaluasi dilakukan menggunakan K-Fold Cross Validation dan metrik akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model XGBoost memiliki kinerja lebih unggul yaitu sebesar 90,36%, precision 89,83%, recall 91,42%, dan f1-score 90,62%. Multinomial Naive Bayes memperoleh akurasi sebesar 86,38%, precision 85,71%, recall 88,57%, dan f1-score 87,12%. Bernoulli Bayes memperoleh akurasi sebesar 85,54%, precision 84,63%, recall 87,14%, f1-score 85,86%. Hal ini menunjukkan bahwa XGBoost lebih efektif dalam menangani kompleksitas data teks dari media sosial. Penelitian ini memberikan kontribusi pada pengembangan sistem deteksi dini black campaign yang dapat membantu brand melindungi reputasi dan meningkatkan strategi pemasaran di era digital.
| Jenis Karya Akhir: | Skripsi |
|---|---|
| Subyek: | 000 Ilmu komputer, informasi dan pekerjaan umum > 004 Pemrosesan data dan ilmu komputer |
| Program Studi: | FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) > Prodi S1 Ilmu Komputer |
| Pengguna Deposit: | 2507500642 Digilib |
| Date Deposited: | 01 Oct 2025 04:00 |
| Terakhir diubah: | 01 Oct 2025 04:00 |
| URI: | http://digilib.unila.ac.id/id/eprint/90694 |
Actions (login required)
 |
Lihat Karya Akhir |
