SIREGAR, AKBAR HASADI PUTRA (2023) DETEKSI KESOPANAN MAHASISWA DALAM BERKOMUNIKASI KEPADA DOSEN MELALUI PESAN TEKS WHATSAPP MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM). Undergraduate thesis, UNIMED.
![[thumbnail of 4193250003_Cover.pdf]](https://digilib.unimed.ac.id/style/images/fileicons/text.png)
4193250003_Cover.pdf
Download (23kB)
![[thumbnail of 4193250003_Lembar_Pengesahan.pdf]](https://digilib.unimed.ac.id/style/images/fileicons/text.png)
4193250003_Lembar_Pengesahan.pdf
Download (241kB)
![[thumbnail of 4193250003_Abstrak.pdf]](https://digilib.unimed.ac.id/style/images/fileicons/text.png)
4193250003_Abstrak.pdf
Download (6kB)
![[thumbnail of 4193250003_Kata_Pengantar.pdf]](https://digilib.unimed.ac.id/style/images/fileicons/text.png)
4193250003_Kata_Pengantar.pdf
Download (138kB)
![[thumbnail of 4193250003_Daftar_Isi.pdf]](https://digilib.unimed.ac.id/style/images/fileicons/text.png)
4193250003_Daftar_Isi.pdf
Download (47kB)
![[thumbnail of 4193250003_BAB_I.pdf]](https://digilib.unimed.ac.id/style/images/fileicons/text.png)
4193250003_BAB_I.pdf
Download (90kB)
![[thumbnail of 4193250003_BAB_V.pdf]](https://digilib.unimed.ac.id/style/images/fileicons/text.png)
4193250003_BAB_V.pdf
Download (6kB)
![[thumbnail of 4193250003_Daftar_Pustaka.pdf]](https://digilib.unimed.ac.id/style/images/fileicons/text.png)
4193250003_Daftar_Pustaka.pdf
Download (167kB)
Abstract
Perkembangan teknologi memungkinkan manusia untuk berkomunikasi langsung dari telepon genggam melalui Short Message Service (SMS), Email dan jejaring sosial seperti Instagram, Facebook, WhatsApp dan Telegram. WhatsApp sudah menjadi alat komunikasi yang biasa di dunia Pendidikan khususnya percakapan antara dosen dan mahasiswa. Adalah umum bagi mahasiswa untuk mewujudkan keinginan mereka melalui cara-cara yang memaksa. Ketika berkomunikasi dengan dosen, mahasiswa cenderung memaksa dan memberi perintah. Penelitian ini bertujuan untuk mengembangkan model deteksi kesopanan mahasiswa ketika berkomunikasi kepada dosen melalui pesan teks WhatsApp. Metode yang diterapkan adalah Long Short-Term Memory (LSTM), menggunakan kumpulan data berisi 848 pesan teks yang dikategorikan sebagai Sopan atau Tidak Sopan. Data ini dibagi menjadi dua bagian, yakni data latih (80%) dan data uji (20%). Hasil pelatihan menunjukkan model terbaik mendapatkan akurasi sebesar 87%, presisi 84%, recall 90%, dan f1-score sebesar 87%.
Item Type: | Thesis (Undergraduate) |
---|---|
Keywords: | Deteksi, Machine Learning, Deep Learning, Long-Short Term Memory |
Subjects: | Q Science > QA Mathematics > QA75.5 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software |
Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Ilmu Komputer |
Depositing User: | Mrs Harly Christy Siagian |
Date Deposited: | 30 Jan 2025 07:02 |
Last Modified: | 30 Jan 2025 07:02 |
URI: | https://digilib.unimed.ac.id/id/eprint/59278 |