Deteksi Bunuh Diri pada Media Sosial Twitter Menggunakan Metode CNN-LSTM dengan Ekspansi Fitur Word2vec - Dalam bentuk buku karya ilmiah
FATHIN THARIQ WIYONO

Informasi Umum

Kode

25.04.7174

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Tugas Akhir

Dilihat

73 kali

Informasi Lainnya

Abstraksi

<div><strong>Deteksi bunuh diri melalui media sosial telah menjadi tantangan besar dalam beberapa tahun terakhir,</strong></div>

<div><strong>terutama pada platform seperti Twitter yang berisi unggahan singkat dan emosional. Penelitian ini</strong></div>

<div><strong>bertujuan untuk mengembangkan model deep learning hybrid yang dapat mendeteksi potensi bunuh diri</strong></div>

<div><strong>pada tweet di Twitter, menggunakan metode CNN-LSTM dan fitur semantik yang diperluas dengan</strong></div>

<div><strong>Word2Vec. Dengan meningkatnya angka bunuh diri di kalangan generasi muda, yang membutuhkan</strong></div>

<div><strong>sistem deteksi dini berbasis teknologi canggih. Deteksi dini ini dapat membantu memberikan intervensi</strong></div>

<div><strong>lebih cepat bagi individu yang berisiko tinggi. Pendekatan yang diusulkan menggunakan kombinasi</strong></div>

<div><strong>Convolutional Neural Network (CNN) untuk menangkap pola lokal dalam teks, Long Short-Term</strong></div>

<div><strong>Memory (LSTM) untuk memahami urutan kata dalam teks, serta Word2Vec untuk memperkaya</strong></div>

<div><strong>representasi semantik kata-kata dalam tweet. Sistem ini memanfaatkan ekstraksi fitur TF-IDF dan</strong></div>

<div><strong>ekspansi fitur menggunakan Word2Vec untuk meningkatkan kemampuan model dalam mengenali pola</strong></div>

<div><strong>emosional dan semantik yang ada dalam tweet. Hasil eksperimen menunjukkan bahwa model hybrid</strong></div>

<div><strong>CNN-LSTM dengan ekspansi fitur Word2Vec dan optimasi menghasilkan akurasi sebesar 91,31%, .</strong></div>

<div><strong>Hasil model hybrid CNN-LSTM belum mununjukkan hasil yang lebih baik dari model non-hybrid.</strong></div>

<div><strong>Kontribusi utama dari penelitian ini adalah mengeksplorasi pengaruh ekspansi fitur Word2vec pada</strong></div>

<div><strong>model hybrid deep learning untuk deteksi bunuh diri dan mengintegrasikan ekstraksi fitur TF-IDF serta</strong></div>

<div><strong>optimasi untuk meningkatkan performa klasifikasi teks.</strong><br /> &nbsp;</div>

<div><strong>Kata kunci: deteksi bunuh diri, hybrid deep learning, word2vec, TF-IDF, optimasi</strong></div>

• CAK4FAA4 - Tugas Akhir

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook