MEILIA ILDHA ANSHILA SITORUS Primary Author mixed material bibliography Banda Aceh Fakultas MIPA Statistika 2024

Skripsi

Pada peningkatan penggunaan media sosial, Twitter telah menjadi ruang utama bagi masyarakat untuk mengekspresikan opini. Namun, hal ini juga memicu maraknya penyebaran ujaran kebencian dan kekerasan verbal yang berpotensi mengganggu stabilitas sosial dan kenyamanan pengguna. Oleh karena itu, dilakukan penelitian ini dengan tujuan untuk mengembangkan model deteksi terhadap ujaran kebencian dan kekerasan verbal pada tweet berbahasa Indonesia, menggunakan beberapa algoritma machine learning, seperti Naive Bayes, Support Vector Machine (SVM), Random Forest, K-Nearest Neighbors (KNN), Decision Tree, dan Logistic Regression. Dataset terdiri dari 13.169 tweet yang mencakup 13 variabel. Tahapan pre-processing dilakukan untuk memastikan kualitas data optimal, sebelum data dibagi dengan rasio 90:10 untuk training dan testing. Berdasarkan nilai F1-score dan akurasi tertinggi, yaitu sebesar 0,83 dan 0,84 pada variabel ujaran kebencian, serta sebesar 0,90 dan 0,90 pada variabel kekerasan verbal, model SVM menunjukkan kinerja terbaik dalam mendeteksi ujaran kebencian dan kekerasan verbal. Sebaliknya, kinerja terendah ditunjukkan oleh model KNN. Analisis lebih lanjut menunjukkan bahwa ujaran kebencian di Twitter sering kali berisi istilah sensitif seperti "komunis", "asing", "kafir", serta kata-kata penghinaan seperti ”anjing” dan ”goblok”. Istilah-istilah ini mencerminkan isu-isu politik, agama, dan identitas nasional yang memperburuk perpecahan sosial. Dengan model SVM yang optimal, penelitian ini dapat menjadi solusi deteksi otomatis yang akurat dan efisien, mendukung moderasi konten, dan kebijakan pemerintah untuk menciptakan ruang digital yang lebih aman. Kata Kunci: Twitter, Ujaran Kebencian, Kekerasan Verbal, Machine Learning, Support Vector Machine. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 143997 2024-12-27 10:27:34 2024-12-27 10:35:32 machine generated