Algoritme decision tree untuk mendeteksi ujaran kebencian dan bahasa kasar multilabel pada Twitter berbahasa Indonesia
Ujaran kebencian dan bahasa kasar mudah ditemukan di dalam komunikasi tertulis di media sosial seperti Twitter, yang dapat memicu terjadinya persengketaan di antara korban dan pengujarnya. Bagaimanapun, akan sulit memeriksa apakah suatu twit mengandung ujaran kebencian dan/atau bahasa kasar bila ses...
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Diponegoro University
2021-10-01
|
| Series: | Jurnal Teknologi dan Sistem Komputer |
| Subjects: | |
| Online Access: | https://jtsiskom.undip.ac.id/article/view/13907 |
| _version_ | 1827333427098025984 |
|---|---|
| author | Fauzi Ihsan Iwan Iskandar Nazruddin Safaat Harahap Surya Agustian |
| author_facet | Fauzi Ihsan Iwan Iskandar Nazruddin Safaat Harahap Surya Agustian |
| author_sort | Fauzi Ihsan |
| collection | DOAJ |
| description | Ujaran kebencian dan bahasa kasar mudah ditemukan di dalam komunikasi tertulis di media sosial seperti Twitter, yang dapat memicu terjadinya persengketaan di antara korban dan pengujarnya. Bagaimanapun, akan sulit memeriksa apakah suatu twit mengandung ujaran kebencian dan/atau bahasa kasar bila seseorang berpihak. Penelitian ini bertujuan untuk membangun sistem untuk mengklasifikasi twit apakah mengandung ujaran kebencian dan kata-kata kasar. Apabila terdeteksi mengandung ujaran kebencian, maka level ujaran kebenciannya diukur. Dataset yang digunakan terdiri dari 13.126 twit asli dari Twitter. Word embedding digunakan untuk fitur dari teks. Algoritme Decision Tree digunakan untuk klasifikasi. Rekayasa fitur dan pengaturan parameter menunjukkan peningkatan performa deteksi. Fitur leksikon di klasifikasi Decision Tree menghasilkan akurasi tertinggi untuk deteksi ketiga kelas, yaitu kelas ujaran kebencian, kata-kata kasar dan level ujaran kebencian, daripada rekayasa fitur khusus dan fitur tekstual. Rata-rata akurasi dari ketiga kelas meningkat dari 69,77 % menjadi 70,48 % untuk komposisi data latih-uji 90:10, dan dari 69,35 % menjadi 69,54 % untuk komposisi 80:20. |
| first_indexed | 2024-03-07T17:23:00Z |
| format | Article |
| id | doaj.art-58a97ce7f40a4dd4acaf42e6135dfc52 |
| institution | Directory Open Access Journal |
| issn | 2338-0403 |
| language | English |
| last_indexed | 2024-03-07T17:23:00Z |
| publishDate | 2021-10-01 |
| publisher | Diponegoro University |
| record_format | Article |
| series | Jurnal Teknologi dan Sistem Komputer |
| spelling | doaj.art-58a97ce7f40a4dd4acaf42e6135dfc522024-03-02T19:33:11ZengDiponegoro UniversityJurnal Teknologi dan Sistem Komputer2338-04032021-10-019419920410.14710/jtsiskom.2021.1390712875Algoritme decision tree untuk mendeteksi ujaran kebencian dan bahasa kasar multilabel pada Twitter berbahasa IndonesiaFauzi Ihsan0Iwan Iskandar1Nazruddin Safaat Harahap2Surya Agustian3Department of Informatics, UIN Sultan Syarif Kasim Riau. Jl. H.R. Soebrantas km 11.5 Simpang Baru Panam, Pekanbaru, Riau 28293, IndonesiaDepartment of Informatics, UIN Sultan Syarif Kasim Riau. Jl. H.R. Soebrantas km 11.5 Simpang Baru Panam, Pekanbaru, Riau 28293, IndonesiaDepartment of Informatics, UIN Sultan Syarif Kasim Riau. Jl. H.R. Soebrantas km 11.5 Simpang Baru Panam, Pekanbaru, Riau 28293, IndonesiaDepartment of Informatics, UIN Sultan Syarif Kasim Riau. Jl. H.R. Soebrantas km 11.5 Simpang Baru Panam, Pekanbaru, Riau 28293, IndonesiaUjaran kebencian dan bahasa kasar mudah ditemukan di dalam komunikasi tertulis di media sosial seperti Twitter, yang dapat memicu terjadinya persengketaan di antara korban dan pengujarnya. Bagaimanapun, akan sulit memeriksa apakah suatu twit mengandung ujaran kebencian dan/atau bahasa kasar bila seseorang berpihak. Penelitian ini bertujuan untuk membangun sistem untuk mengklasifikasi twit apakah mengandung ujaran kebencian dan kata-kata kasar. Apabila terdeteksi mengandung ujaran kebencian, maka level ujaran kebenciannya diukur. Dataset yang digunakan terdiri dari 13.126 twit asli dari Twitter. Word embedding digunakan untuk fitur dari teks. Algoritme Decision Tree digunakan untuk klasifikasi. Rekayasa fitur dan pengaturan parameter menunjukkan peningkatan performa deteksi. Fitur leksikon di klasifikasi Decision Tree menghasilkan akurasi tertinggi untuk deteksi ketiga kelas, yaitu kelas ujaran kebencian, kata-kata kasar dan level ujaran kebencian, daripada rekayasa fitur khusus dan fitur tekstual. Rata-rata akurasi dari ketiga kelas meningkat dari 69,77 % menjadi 70,48 % untuk komposisi data latih-uji 90:10, dan dari 69,35 % menjadi 69,54 % untuk komposisi 80:20.https://jtsiskom.undip.ac.id/article/view/13907ujaran kebencianbahasa kasardecision treetwitterword embeddings |
| spellingShingle | Fauzi Ihsan Iwan Iskandar Nazruddin Safaat Harahap Surya Agustian Algoritme decision tree untuk mendeteksi ujaran kebencian dan bahasa kasar multilabel pada Twitter berbahasa Indonesia Jurnal Teknologi dan Sistem Komputer ujaran kebencian bahasa kasar decision tree word embeddings |
| title | Algoritme decision tree untuk mendeteksi ujaran kebencian dan bahasa kasar multilabel pada Twitter berbahasa Indonesia |
| title_full | Algoritme decision tree untuk mendeteksi ujaran kebencian dan bahasa kasar multilabel pada Twitter berbahasa Indonesia |
| title_fullStr | Algoritme decision tree untuk mendeteksi ujaran kebencian dan bahasa kasar multilabel pada Twitter berbahasa Indonesia |
| title_full_unstemmed | Algoritme decision tree untuk mendeteksi ujaran kebencian dan bahasa kasar multilabel pada Twitter berbahasa Indonesia |
| title_short | Algoritme decision tree untuk mendeteksi ujaran kebencian dan bahasa kasar multilabel pada Twitter berbahasa Indonesia |
| title_sort | algoritme decision tree untuk mendeteksi ujaran kebencian dan bahasa kasar multilabel pada twitter berbahasa indonesia |
| topic | ujaran kebencian bahasa kasar decision tree word embeddings |
| url | https://jtsiskom.undip.ac.id/article/view/13907 |
| work_keys_str_mv | AT fauziihsan algoritmedecisiontreeuntukmendeteksiujarankebenciandanbahasakasarmultilabelpadatwitterberbahasaindonesia AT iwaniskandar algoritmedecisiontreeuntukmendeteksiujarankebenciandanbahasakasarmultilabelpadatwitterberbahasaindonesia AT nazruddinsafaatharahap algoritmedecisiontreeuntukmendeteksiujarankebenciandanbahasakasarmultilabelpadatwitterberbahasaindonesia AT suryaagustian algoritmedecisiontreeuntukmendeteksiujarankebenciandanbahasakasarmultilabelpadatwitterberbahasaindonesia |