Klasifikasi Tweet Tidak Senonoh Twitter dengan Naïve Bayes Classifier

Abstract

Popularitas Twitter berkembang pesat, Setiap orang dapat mengungkapkan pendapat mereka melalui Twitter. Pendapat yang sering disampaikan biasanya tentang keluhan-keluhan tentang aktivitas sehari-hari mereka. Aktivitas di basis Twitter disalahgunakan oleh pengguna dengan mengirimkan pertanyaan atau tweet yang mengandung kata-kata kotor, meskipun banyak pengikut Twitter dalam kategori di bawah umur. Proses penyaringan sangat diperlukan untuk memilah mana yang baik dan buruk di media sosial. Ada banyak akun anonim yang mengirimkan tweet dalam bentuk kata-kata tidak senonoh, yang tidak baik untuk dibaca oleh pengguna Twitter di bawah umur. Klasifikasi teks dapat menjadi penting dalam proses evaluasi topik masalah proses. Tujuannya adalah untuk mengetahui polaritas sentimen positif dan negatif. Dataset diperoleh dari Twitter. Tweet yang terkait dengan kata kunci yang dicari dikompilasi menggunakan Alat API Twitter dan bahasa pemrograman Python. Telah dibuat sistem yang dapat mengklasifikasikan suatu tweet dapat dikategorikan cabul atau tidak dengan menggunakan algoritma Naive Bayes dan ekstraksi fitur Tf-Idf. Hasil klasifikasi tweet senonoh adalah 99,5% dengan nilai recall 100% dan presisi 99%