Novriyedi Putra, Rizky (2017) IMPLEMENTASI ALGORITMA RANDOM FORESTS UNTUK KLASIFIKASI SPAM PADA CITRA DAN TEXT INSTAGRAM. Tugas Akhir (S1) - thesis, Universitas Bakrie.

Preview	Text (pdf) 00 cover.pdf - Submitted Version Download (752kB) | Preview
	Text (pdf) 01 BAB I - III.pdf - Submitted Version Restricted to Registered users only Download (802kB) | Request a copy
	Text (pdf) 02 BAB IV.pdf - Submitted Version Restricted to Registered users only Download (987kB) | Request a copy
	Text (pdf) 03 BAB V.pdf - Submitted Version Restricted to Registered users only Download (13kB) | Request a copy
Preview	Text (pdf) 04 DAFTAR PUSTAKA.pdf - Submitted Version Download (232kB) | Preview
	Text (pdf) 05 Lampiran.pdf - Submitted Version Restricted to Registered users only Download (5MB) | Request a copy

Abstract

Pada saat sekarang ini media sosial memegang peranan penting dalam berkomunikasi dan berbagi pengalaman, Instagram merupakan sebuah platform media sosial yang menggunakan gambar, dan text dalam komunikasi sesama pengguna. Informasi yang tersebar di Instagram dapat berupa promosi barang, dan konten yang tidak berhubungan dengan penerima dan lain sebagainya, hal tesebut merupakan spam yang dapat menggangu kenyamanan. Permasalahan tersebut dapat dicegah dengan mengklasifikasi data gambar dan text pada Instagram kedalam kategori spam dan non-spam. Untuk melakukan hal tersebut diperlukannya sebuah dataset yang dapat diproses menggunakan metode gray level coocurance matrix (GLCM) untuk data gambar dan term frequency invers document frequency (TF/IDF) untuk data text. Proses klasifikasi pada penelitian ini menggunakan 250 data spam dan 250 data non-spam, dimana masing-masing dataset images dan dataset text berjumlah 500 data. Algortima random forests digunakan sebagai metode klasifikasi dalam machine learning yang memiliki tahapan random feature selection, dan bootstrap aggrigation dalam pembentukan model, untuk proses klasifikasi random forests menggunakan majority vote, hasil penelitian ini memiliki f-measure rata-rata 70% untuk dataset gambar dan rata-rata 60% untuk dataset text dengan melakukan perubahan parameter bootstrap aggregation menjadi 3 diantaranya 1/2, 1/6, 2/3 data dari dataset.

Actions (login required)

View Item