Pendekatan Terpadu Terhadap Ujaran Kebencian dan Analisis Sentimen dalam Media Sosial Menggunakan Deep-Learning Berbasis Transformer

Suryono, Muhammad Erlangga Putra (2024) Pendekatan Terpadu Terhadap Ujaran Kebencian dan Analisis Sentimen dalam Media Sosial Menggunakan Deep-Learning Berbasis Transformer. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6026212012-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (6MB) | Request a copy

Abstract

Media sosial telah menjadi bagian penting dalam komunikasi sehari-hari dan memungkinkan kita untuk bertukar informasi, mengorganisasi acara, dan menyuarakan isu-isu sosial. Meskipun memiliki manfaat besar, media sosial juga dapat membawa risiko seperti penyebaran informasi palsu, ujaran kebencian, dan perundungan. Penelitian ini bertujuan untuk memahami dinamika komunikasi di media sosial melalui integrasi analisis ujaran kebencian dan analisis sentimen menggunakan model deep learning berbasis transformer. Integrasi kedua jenis analisis ini dilakukan menggunakan tiga model pengklasifikasi deep learning, yaitu RNN, CNN, dan LSTM. Masing-masing model ini diuji coba menggunakan tiga jenis word embedding, yaitu Word2Vec, GloVe, dan BERT. Untuk menilai pengaruh sentimen terhadap klasifikasi ujaran kebencian, lexicon sentimen yang menggabungkan afinn sentimen dan profanity sentimen ditambahkan sebagai fitur baru dalam analisis sentimen. Hasil penelitian menggunakan set data HateXplain yang diambil dari teks komentar media sosial X menunjukkan bahwa model LSTM mengunakan word embedding BERT memberikan kinerja terbaik dengan akurasi sebesar 71,34%, diikuti oleh model RNN menggunakan word embedding BERT dengan akurasi sebesar 70,67%, dan CNN mengunakan word embedding BERT dengan akurasi sebesar 70,37%. Selain itu, penambahan lexicon sentimen sebagai fitur tamabahan mampu meningkatkan akurasi kalsifikasi ujaran kebencian sebesar 2% hingga 8%. Hasil penelitian ini menunjukkan bahwa integrasi analisis ujaran kebencian dan analisis sentimen dapat pemahaman lebih mendalam tentang dinamika komunikasi di media sosial dan dapat membantu dalam pengembangan strategi mitigasi untuk menghadapi konten berbahaya.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	analisis sentimen, deeep learning, lexicon sentimen, transformer, ujaran kebencian, deep learning, hate speech, sentiment analysis, sentiment lexicon, transformer
Subjects:	T Technology > T Technology (General) T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 59101-(S2) Master Thesis
Depositing User:	Muhammad Erlangga Putra S
Date Deposited:	09 Aug 2024 02:24
Last Modified:	09 Aug 2024 02:24
URI:	http://repository.its.ac.id/id/eprint/112643

Actions (login required)

View Item