Perbandingan Akurasi Metode Deteksi Ujaran Kebencian dalam Postingan Twitter Menggunakan Metode SVM dan Decision Trees yang Dioptimalkan dengan Adaboost

Abstract

Pada era digital saat ini, akses informasi dan transaksi online telah memberikan kemudahan dan efisiensi bagi manusia. Di Indonesia, peningkatan jumlah penduduk yang terkoneksi internet menjadi 77,02% pada tahun 2021-2022. Namun, penggunaan media sosial juga membawa dampak negatif, termasuk penyebaran konten berbahasa negatif dan ujaran kebencian oleh sebagian oknum. Ujaran kebencian, yang melanggar hukum, memiliki efek samping seperti pembungkaman, penindasan, dan penyebaran rasa benci serta kondisi tidak nyaman lainnya. Oleh karena itu, banyak penelitian dilakukan untuk mendeteksi dan mengurangi penyebaran ujaran kebencian di media sosial, baik di Twitter maupun Instagram. Beberapa penelitian menggunakan metode word2vec dengan skip-gram, TextCNN, dan random oversampling untuk mendeteksi ujaran kebencian pada komentar Instagram. Metode ini menghasilkan akurasi terbaik dengan skor F1 sebesar 93,70%. Selain itu, penelitian juga mencoba menggunakan algoritma GRU dan LSTM dalam pelatihan dan pengujian model untuk meningkatkan kinerja deteksi. Algoritma Latent Dirichlet Allocation (LDA) juga digunakan untuk mengekstrak topik dari tweet dan menganalisis sentimen pada setiap tweet. Berdasarkan penelitian-penelitian tersebut, peneliti akan melakukan pengujian deteksi teks menggunakan algoritma K-Nearest Neighbor, dan Decision Tree terhadap ujaran kebencian pada postingan Twitter dengan tagar #indonesia. Pengumpulan data dilakukan melalui API Twitter dengan implementasi menggunakan bahasa pemrograman Python. Data tweet akan dilabeli menggunakan sentistrength, dan kemudian dilakukan klasifikasi menggunakan metode K-Nearest Neighbor, dan Decision Tree untuk menentukan sentimen pada data tersebut. Topik ini penting untuk diteliti karena penyebaran ujaran kebencian di media sosial dapat memiliki dampak negatif yang signifikan. Dengan menggunakan pendekatan dan metode yang tepat, penelitian ini bertujuan untuk mengembangkan alat pendeteksi yang efektif untuk melindungi individu dan masyarakat dari dampak negatif ujaran kebencian di media sosial.