Implementasi Metode Local Mean-Based K-Nearest Neighbor Untuk Deteksi Kata Hinaan Pada Komentar Live Stream Game Youtube

Penelitian ini bertujuan untuk mengenali komentar yang memiliki unsur kata hinaan dan mengetahui besaran akurasi dari Local Mean-Based K-Nearest Neighbor. Pertama-tama, data yang akan digunakan diambil menggunakan metode web scraping dari API youtube comment. Setelah terkumpul, data komentar tersebut akan dipilih lagi agar menjadi stabil. Sehingga, memiliki jumlah data sebanyak 440, 220 data untuk kategori “hinaan” dan 220 yang lain sebagai “bukan hinaan”. Karena data berupa teks, maka sebelum menuju proses prediksi LMKNN akan melakukan text-preprocessing dan ekstraksi fitur TF-IDF, agar merubah string menjadi numerik. Selanjutnya, proses prediksi LMKNN akan menggunakan beberapa parameter K dari 6-16. Evaluasi model akan dilakukan dengan 5-fold Cross Validation (CV), yang berarti setiap 5-fold digunakan untuk data uji dan sisanya menjadi data latih. Sehingga, hasil yang dihasilkan oleh LMKNN dengan 5-fold CV mendapatkan akurasi terbesar sebesar 0,6023 untuk K = 11. Maka dari itu, dapat disimpulkan pembangunan sistem dengan memakai algoritma LMKNN berhasil mendeteksi suatu teks yang termasuk “hinaan” atau “bukan hinaan” cukup baik dengan akurasi sebesar 0,6023 untuk K = 11.