Optimalisasi Learning Rate dan Ekspansi Fitur FastText pada Model Hybrid CNN – BiGRU untuk Deteksi Cyberbullying pada Media Sosial X - Dalam bentuk pengganti sidang - Rancangan Karya Akhir

REXCEL PABIAN

Informasi Dasar

71 kali
25.04.508
000
Karya Ilmiah - Skripsi (S1) - Reference

Cyberbullying sering didefinisikan sebagai perilaku yang dilakukan oleh individu atau kelompok melalui media sosial yang mencakup pesan-pesan negatif, mengintimidasi, atau merendahkan, sehingga menyebabkan ketidaknyamanan pada orang lain. Cyberbullying memiliki dampak buruk pada kesejahteraan psikologis korbannya. Sifat kontekstual dari tweet menghadirkan tantangan dalam menafsirkan isi pesan, terutama dalam bahasa seperti Bahasa Indonesia yang sering menunjukkan variasi kosakata yang signifikan. Untuk mengatasi tantangan ini, penelitian ini menggunakan ekspansi fitur dengan FastText, memanfaatkan korpus yang dihasilkan dari dataset IndoNews yang berisi 127.580 entri untuk meningkatkan pemahaman kosakata dalam tweet berbahasa Indonesia. Selain itu, penelitian ini menggunakan metodologi Deep Learning Hibrida untuk klasifikasi teks, menggabungkan Convolutional Neural Networks (CNN) dengan Bidirectional Gated Recurrent Units (BiGRU). Kombinasi CNN-BiGRU ini memadukan kemampuan pengenalan pola dari CNN dengan pem

Subjek

DATA SCIENCE
 

Katalog

Optimalisasi Learning Rate dan Ekspansi Fitur FastText pada Model Hybrid CNN – BiGRU untuk Deteksi Cyberbullying pada Media Sosial X - Dalam bentuk pengganti sidang - Rancangan Karya Akhir
 
xi, 37p.: il,; pdf file
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

REXCEL PABIAN
Perorangan
Erwin Budi Setiawan
 

Penerbit

Universitas Telkom, S1 Informatika
Bandung
2025

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini