OPTIMALISASI MODEL DEEP LEARNING UNTUK KLASIFIKASI UJARAN KEBENCIAN PADA MEDIA SOSIAL X

Sujatmiko, Mohamad Doddy (2025) OPTIMALISASI MODEL DEEP LEARNING UNTUK KLASIFIKASI UJARAN KEBENCIAN PADA MEDIA SOSIAL X. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (196kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (500kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (326kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (562kB)
	Text (BAB V) BAB V.pdf Download (48kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (217kB)
	Archive (SOURCE CODE) Sourcecode - 21.11.4344.zip Restricted to Repository staff only Download (8MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (1MB)

Abstract

Pengguna media sosial terus meningkat, mencapai 62,3% dari populasi dunia pada 2024. Hal ini menghasilkan banyak unggahan dengan berbagai tujuan. Ujaran kebencian di media sosial dapat berdampak serius pada kesehatan mental, terutama bagi generasi muda. Deteksi manual ujaran kebencian memiliki kelemahan, seperti keterlambatan dan potensi pembatasan kebebasan berbicara yang berlebihan. Di sinilah deep learning berperan dalam mendeteksi ujaran kebencian secara otomatis. Penelitian ini bertujuan mengembangkan model deep learning berbasis ANN untuk mendeteksi ujaran kebencian. Model ini kemudian dioptimalkan menggunakan Structured Pruning, Unstructured Pruning, dan Quantization agar lebih efisien. Selanjutnya, model diterapkan untuk mengklasifikasikan unggahan di media sosial X secara langsung. Hasil penelitian menunjukkan bahwa Structured Pruning mampu menurunkan FLOP hingga 93,75%. Metode quantization mengurangi ukuran model sebesar 74,21% dan mempercepat inference time hingga 32,72%, tanpa penurunan performa yang signifikan. Model klasifikasi hate speech yang dihasilkan mencapai akurasi 90,19% dan f1-score 89,44%, dengan ukuran 10,71 MB dan inference time 0,37 ms. Model ini juga berhasil mengklasifikasikan unggahan di media sosial X secara langsung melalui aplikasi yang dikembangkan, BlockTheTweet.

Actions (login required)

View Item