DETEKSI UJARAN KEBENCIAN DI MEDIA SOSIAL MEDIA X MENGGUNAKAN MODEL ROBERTA

Wibowo, Mikail Yuddha (2025) DETEKSI UJARAN KEBENCIAN DI MEDIA SOSIAL MEDIA X MENGGUNAKAN MODEL ROBERTA. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf
Download (1MB)
[img] Text (BAB I)
BAB I.pdf
Download (188kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Download (503kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only
Download (629kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only
Download (565kB)
[img] Text (BAB V)
BAB V.pdf
Download (79kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (99kB)
[img] Archive (SOURCE CODE)
Sourcecode - 21.12.1884.zip
Restricted to Repository staff only
Download (181kB)
[img] Text (PUBLIKASI)
Publikasi.pdf
Restricted to Repository staff only
Download (800kB)

Abstract

Perkembangan media sosial di Indonesia telah meningkatkan risiko penyebaran ujaran kebencian, terutama di platform seperti Media Sosial X. Ujaran kebencian berdampak pada perpecahan sosial, diskriminasi, dan potensi kekerasan. Selama Pemilu 2024, tercatat 182.118 konten bermuatan kebencian, menunjukkan urgensi deteksi otomatis yang akurat. Penelitian ini bertujuan menguji efektivitas model RoBERTa (khususnya varian Indonesian RoBERTa Base) dalam mendeteksi ujaran kebencian berbahasa Indonesia. Metode penelitian mencakup pengumpulan dataset IndoToxic2024 (28.448 teks terkait Pemilu 2024), preprocessing (normalisasi teks, penghapusan duplikat), dan augmentasi data untuk mengatasi ketidakseimbangan kelas (82,68% non-toxic vs. 17,32% toxic). Model di-fine-tune menggunakan optimizer AdamW dengan learning rate 2e-5 dan dievaluasi dengan metrik akurasi, presisi, recall, dan F1score. Hasil penelitian menunjukkan model mencapai akurasi 84,17% dan F1score 78,34% pada data uji, dengan presisi 82,91% dan recall 74,25%. Namun, 25,8% ujaran kebencian (FN) tidak terdeteksi, menunjukkan kelemahan pada sensitivitas kelas minoritas. Penelitian ini berkontribusi pada pengembangan metode deteksi konten negatif berbasis NLP dan menjadi referensi bagi peneliti lain untuk meningkatkan model dengan teknik seperti class weighting atau multi-task learning. Hasilnya dapat dimanfaatkan oleh platform media sosial, pemerintah, dan peneliti keamanan siber.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Hartanto, Anggit Dwi
Uncontrolled Keywords: Ujaran Kebencian, RoBERTa, Deteksi Konten, Media Sosial, NLP
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus
Divisions: Fakultas Ilmu Komputer > Sistem Informasi
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 16 Jul 2025 07:00
Last Modified: 16 Jul 2025 07:00
URI: http://eprints.amikom.ac.id/id/eprint/30156

Actions (login required)

View Item View Item