Abstract:Automatic detection of hate speech and abusive language is crucial for combating online toxicity. This study explores Gaussian Naive Bayes for multi-label classification of hate speech on Indonesian Twitter, including target,…
rget, category, and level. We combined TF-IDF features with contextual BERT embeddings. The model achieved balanced performance for general hate speech and good non-abusive language detection. However, it exhibited limitations with imbalanced data and specific hate speech types. The classifier consistently favored the majority class (non-hateful/non-abusive) across labels, particularly struggling with HS_Gender, HS_Physical, etc. This suggests difficulty detecting less frequent but potentially severe hate speech, likely due to limited training data. Overall accuracy and F1-scores confirm that while Gaussian Naive Bayes is efficient, it lacks robustness for nuanced multi-label classification with imbalanced datasets. This necessitates exploring alternative approaches for effectively detecting specific and less frequent hate speech.
Abstract:Demam Berdarah Dengue (DBD) merupakan salah satu penyakit menular yang masih menjadi permasalahan kesehatan masyarakat di Indonesia dan berbagai negara tropis. Penyakit ini disebabkan oleh virus dengue yang ditularkan melalui…
lalui gigitan nyamuk Aedes aegypti. Tingginya jumlah kasus serta potensi terjadinya kejadian luar biasa (KLB) menunjukkan bahwa diperlukan metode analisis yang mampu mengidentifikasi pola risiko penyebaran penyakit secara sistematis dan akurat. Seiring berkembangnya teknologi informasi, pendekatan berbasis Machine Learning mulai dimanfaatkan dalam bidang kesehatan, khususnya dalam analisis data epidemiologi. Machine Learning memungkinkan sistem komputer untuk mempelajari pola dari data historis dan menghasilkan prediksi yang dapat digunakan sebagai dasar pengambilan keputusan. Salah satu algoritma yang sering digunakan adalah Naive Bayes yang bekerja berdasarkan teori probabilitas Bayes dengan asumsi bahwa setiap variabel bersifat independen. Dalam penelitian ini digunakan algoritma Naive Bayes untuk menganalisis risiko penyebaran penyakit Demam Berdarah berdasarkan beberapa faktor yang mempengaruhi, seperti kondisi lingkungan, kepadatan penduduk, serta data historis kasus penyakit. Metode ini diharapkan mampu menghasilkan model klasifikasi yang dapat membantu dalam proses pengambilan keputusan terkait pencegahan dan pengendalian penyakit DBD.
Abstract:Abstrak penelitian ini mengkaji fenomena penyaluran bantuan beras pasca-bencana yang kerap menjadi perbincangan hangat di media sosial X. Tujuan utama penelitian adalah untuk memetakan persepsi masyarakat terhadap kredibilitas…
ilitas dan ketepatan sasaran distribusi bantuan tersebut menggunakan algoritma Naive Bayes. Metode yang digunakan meliputi pengumpulan data berbasis kata kunci relevan, pembersihan data (preprocessing), dan klasifikasi sentimen. Hasil penelitian menunjukkan bahwa Naive Bayes mampu mengidentifikasi kecenderungan opini publik secara akurat, baik berupa dukungan maupun keluhan terkait prosedur distribusi. Implikasi dari penelitian ini diharapkan dapat menjadi rujukan bagi pemangku kebijakan dalam mengevaluasi sistem penyaluran bantuan logistik agar lebih transparan dan responsif terhadap aspirasi masyarakat di ruang digital.
Abstract:Kanker payudara merupakan salah satu jenis kanker yang paling umum ditemukan pada wanita dan menjadi penyebab utama kematian akibat kanker di seluruh dunia. Ketepatan dalam diagnosis kanker payudara menjadi sangat krusial…
l untuk penanganan yang tepat. Penelitian ini bertujuan untuk membandingkan performa algoritma Naive Bayes dan Random Forest dalam mengklasifikasikan kanker payudara menggunakan dataset Breast Cancer Wisconsin. Metodologi penelitian dimulai dengan pengumpulan data dari dataset Breast Cancer Wisconsin yang terdiri dari 569 sampel dengan 32 atribut. Proses preprocessing data meliputi konversi data dari format nominal ke binominal untuk atribut diagnosis. Implementasi algoritma menggunakan tools RapidMiner dengan pendekatan cross validation (k=10) untuk evaluasi model yang lebih robust. Performa kedua algoritma dibandingkan menggunakan berbagai metrik evaluasi termasuk accuracy, precision, recall, dan analisis confusion matrix. Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan performa yang lebih unggul dengan tingkat akurasi 94,91% (±5,06%), precision 95,33%, dan recall 93,90%. Sementara itu, Naive Bayes mencapai akurasi 93,51% (±5,30%), precision 93,68%, dan recall 92,67%. Random Forest juga menunjukkan keunggulan dalam mengurangi false positive, dengan hanya 8 kasus dibandingkan 15 kasus pada Naive Bayes. Analisis confusion matrix menunjukkan bahwa kedua algoritma memiliki kemampuan yang baik dalam mengklasifikasikan kasus kanker payudara, meskipun Random Forest menunjukkan performa yang lebih stabil dan akurat. Kesimpulan dari penelitian ini menunjukkan bahwa kedua algoritma efektif untuk klasifikasi kanker payudara, dengan Random Forest menunjukkan keunggulan dalam hal akurasi dan presisi. Hasil ini dapat menjadi pertimbangan dalam pengembangan sistem pendukung keputusan untuk diagnosis kanker payudara, dimana Random Forest dapat menjadi pilihan utama ketika akurasi menjadi prioritas, sementara Naive Bayes tetap menjadi alternatif yang valid ketika kesederhanaan implementasi dan efisiensi komputasi diperlukan.
Abstract:Pengembangan sistem analisis sentimen untuk ulasan produk di platform E-commerce dengan menggunakan metode Naive Bayes merupakan untuk menemukan sentimen ulasan produk dengan tepat sasaran. Sistem yang dikembangkan bertujuan…
ujuan untuk mengklasifikasikan sentimen ulasan menjadi positif atau negatif. Tujuan utama penelitian ini adalah merancang sebuah website interaktif yang mampu melakukan analisis sentimen secara real-time dan juga memiliki fitur unggahan file CSV untuk menganalisis banyak ulasan sekaligus. Metode penelitian yang diterapkan adalah eksploratif dengan pendekatan pengembangan sistem. Data ulasan produk diperoleh dari platform E-commerce, kemudian melalui tahap preprocessing untuk mempersiapkan data teks sebelum dianalisis. Pembahasan meliputi pengembangan sistem analisis sentimen berbasis metode Naive Bayes dan penerapannya dalam bentuk website interaktif. Berdasarkan hasil penelitian, disimpulkan bahwa sistem analisis sentimen berbasis Naive Bayes ini berhasil menghasilkan website interaktif yang efektif dalam menganalisis sentimen ulasan produk di platform E-commerce.
Abstract:Kenaikan Gaji Berkala merupakan salah satu bentuk penghargaan finansial yang diberikan kepada karyawan berdasarkan prestasi kerja disetiap periode tertentu. Hal ini dilakukan dengan harapan agar karyawan semakin termotivasi…
asi untuk meningkatkan kinerjanya di perusahaan tempat bekerja. Dengan menggunakan algoritma Naïve Bayes dilakukan klasifikasi terhadap data untuk mengetahui hubungan antara kenaikan gaji berkala dengan kinerja karyawan. Data-data yang digunakan meliputi gaji karyawan sebelum dan sesudah kenaikan serta beberapa data lainnya. Dimana hasil yang diperoleh menunjukkan bahwa terdapat korelasi antara kenaikan gaji secara berkala dan peningkatan kinerja pada sebagian besar karyawan, dimana diketahui bahwa dengan adanya kenaikan gaji secara berkala dapat mempengaruhi peningkatan kinerja karyawan di perusahaan tersebut. Penelitian ini diharapkan dapat menjadi acuan bagi manajemen dalam menentukan kebijakan peningkatan gaji secara berkala yang efektif untuk mempertahankan kinerja karyawan yang optimal.
Abstract:Gangguan tidur seperti insomnia dan sleep apnea merupakan masalah kesehatan global yang dapat menurunkan kualitas hidup. Deteksi dini terhadap gangguan ini penting dilakukan, khususnya dengan bantuan teknologi seperti algoritma…
goritma data mining untuk meningkatkan ketepatan diagnosis. Data mining adalah bagian esensial dari analitik data dalam disiplin ilmu data science, yang memberikan berbagai manfaat luas dan aplikasi yang relevan. Penelitian ini menggunakan dataset Sleep Health and Lifestyle dari Kaggle untuk mengevaluasi kinerja tiga algoritma data mining, yaitu Naïve Bayes, Support Vector Machine (SVM), dan Neural Network, dalam mengklasifikasi gangguan tidur. Proses pengembangan model mengikuti tahapan CRISP-DM dengan pengujian akurasi menggunakan Cross Validation dan evaluasi menggunakan Confusion Matrix dan kurva ROC. Berdasarkan hasil pengujian, algoritma Neural Network menunjukkan kinerja terbaik dengan akurasi 93,08% dan nilai AUC yang termasuk dalam klasifikasi "Excellent." Temuan ini menunjukkan bahwa Neural Network efektif dalam mengklasifikasi gangguan tidur, sehingga dapat mendukung proses diagnosa dan penanganan gangguan tidur secara lebih akurat.
Abstract:Email spam merupakan salah satu masalah signifikan dalam komunikasi digital yang dapat mengganggu produktivitas pengguna. Untuk mengembangkan model klasifikasi email spam maka digunakan Algoritma Naive Bayes, yang dikenal…
l karena kesederhanaan dan efektivitasnya dalam menangani data teks. Data email yang terdiri dari spam dan non-spam diambil dari sumber yang dapat diakses secara publik dan diproses menggunakan aplikasi RapidMiner. Langkah-langkah preprocessing, termasuk penghapusan stopwords, stemming, dan vektorisasi teks, dilakukan untuk meningkatkan akurasi model. Model Naive Bayes dilatih dan diuji menggunakan teknik cross-validation untuk memastikan keandalan hasil. Hasil evaluasi menunjukkan bahwa model yang dikembangkan memiliki tingkat akurasi yang tinggi dengan hasil 60%, dengan nilai presisi 40% dan recall yang memadai. Hasil ini menunjukkan potensi penggunaan Algoritma Naive Bayes dalam klasifikasi email spam dan memberikan kontribusi terhadap pengembangan sistem filtrasi email yang lebih efektif.
Abstract:Bantuan sosial adalah salah satu program utama pemerintah untuk meningkatkan taraf hidup masyarakat. Salah satu program bantuan sosial yang menjadi perhatian pemerintah adalah bantuan Raskin (beras untuk keluarga miskin).…
. Pengelolaan program bantuan sosial Raskin di Kelurahan Sidomulyo selama ini dilakukan dengan cara manual, yang mengakibatkan ketidakakuratan data dan ketidaktepatan sasaran penerima bantuan. Penelitian ini bertujuan untuk memperbaiki akurasi dan efisiensi proses seleksi penerima bantuan Raskin dengan menerapkan model Naive Bayes. Model ini digunakan untuk mengelompokkan data penerima berdasarkan kriteria, seperti kondisi rumah, status kepemilikan rumah, tanggungan keluarga, dan jumlah penghasilan.
Berdasarkan penelitian yang dilakukan menggunakan data dari 300 kepala keluarga, model ini berhasil mencapai tingkat akurasi sebesar 81,66%. Hasil penelitian menunjukkan bahwa 60,3% kepala keluarga dinyatakan layak menerima bantuan, sedangkan 39,7% tidak layak. Implementasi model Naive Bayes diharapkan dapat meningkatkan transparansi, keadilan, dan efisiensi dalam pelaksanaan program bantuan sosial di masa yang akan datang.
Abstract:Teknologi informasi berkembang dengan cepat dan semakin kompleks dari waktu ke waktu, dan bisnis serta lembaga pendidikan secara intrinsik terkait dengannya. Salah satu aspek utama yang memiliki dampak besar pada pendidikan…
kan adalah teknologi informasi. Dengan demikian, untuk meningkatkan keberhasilan dan efisiensi pendidikan, manajemen teknologi informasi menjadi sangat penting. salah satu faktor utama perkembagan sekolah adalah tekonologi Informasi. Teknologi informasi (TI) pada hakikatnya merupakan hasil samping dari kecanggihan dan kemajuan ilmu pengetahuan dan teknologi yang dikembangkan oleh manusia dengan tujuan untuk menghasilkan manusia yang berkualifikasi dan berpendidikan tinggi. Analisis merupakan proses menyelidiki atau menganalisis suatu kejadian dengan menggunakan fakta-fakta untuk menentukan keadaan yang sebenarnya. Biasanya, prosedur ini dilakukan bersamaan dengan pengolahan data atau penelitian. Hasil analisis diprediksi akan meningkatkan pemahaman dan memudahkan pengambilan keputusan. Tahapan perencanaan analisis sentimen pendekatan Naïve Bayes memberikan gambaran umum tentang tahapan penelitian yang dilakukan. Pendapat siswa tentang bagaimana teknologi informasi berkembang di SMA Negeri 1 Wewewa Selatan terlihat terbagi. Temuan penelitian menunjukkan bahwa sikap masyarakat terhadap perkembangan teknologi informasi sebagian besar positif, sebagaimana dibuktikan oleh hasil metode Naïve Bayes yang menunjukkan akurasi 87,50%, presisi 17,50%, dan recall 20%