Javascript must be enabled to continue!
DETEKSI UJARAN KEBENCIAN PADA TWITTER BAHASA INDONESIA MENGGUNAKAN MACHINE LEARNING: REVIU LITERATUR
View through CrossRef
Meningkatnya pengguna media sosial mengakibatkan peningkatan aktifitas komunikasi antar warganet dalam media daring. Misalnya media twitter, warganet dapat berkomunikasi melalui twit. Twit pada twitter dapat memiliki sifat negatif dan sifat ini perlu memiliki perhatian khusus karena kemungkinan besar akan mengandung ujaran kebencian. Kasus ujaran kebencian ini kemudian oleh pemerintah diatasi atau dicegah dengan salah satunya Undangundang Informasi dan Transaksi Elektronik (UU ITE) yang dikeluarkan pada tahun 2018 pasal 28 ayat 2 tentang ujaran kebencian. Machine learning dalam penerapannya mampu mengolah data dalam bentuk teks atau (text analytic). Artikel ini menyajikan reviu terhadap literatur-literatur yang memanfaatkan machine learning untuk membantu mendeteksi teks yang mengandung ujaran kebencian. Hasil reviu menunjukkan bahwa penelitian terhadap kebencian menggunakan machine learning dapat dilakukan untuk mendeteksi kategori teks; apakah tergolong sebagai ujaran kebencian, serta memprediksi kategori dari ujaran kebencian yang terkandung dalam suatu teks. Algoritma RNN ternyata memiliki akurasi yang terbaik jika dibandingkan dengan algoritma lain yaitu 91%.
Universitas Islam Indonesia (Islamic University of Indonesia)
Title: DETEKSI UJARAN KEBENCIAN PADA TWITTER BAHASA INDONESIA MENGGUNAKAN MACHINE LEARNING: REVIU LITERATUR
Description:
Meningkatnya pengguna media sosial mengakibatkan peningkatan aktifitas komunikasi antar warganet dalam media daring.
Misalnya media twitter, warganet dapat berkomunikasi melalui twit.
Twit pada twitter dapat memiliki sifat negatif dan sifat ini perlu memiliki perhatian khusus karena kemungkinan besar akan mengandung ujaran kebencian.
Kasus ujaran kebencian ini kemudian oleh pemerintah diatasi atau dicegah dengan salah satunya Undangundang Informasi dan Transaksi Elektronik (UU ITE) yang dikeluarkan pada tahun 2018 pasal 28 ayat 2 tentang ujaran kebencian.
Machine learning dalam penerapannya mampu mengolah data dalam bentuk teks atau (text analytic).
Artikel ini menyajikan reviu terhadap literatur-literatur yang memanfaatkan machine learning untuk membantu mendeteksi teks yang mengandung ujaran kebencian.
Hasil reviu menunjukkan bahwa penelitian terhadap kebencian menggunakan machine learning dapat dilakukan untuk mendeteksi kategori teks; apakah tergolong sebagai ujaran kebencian, serta memprediksi kategori dari ujaran kebencian yang terkandung dalam suatu teks.
Algoritma RNN ternyata memiliki akurasi yang terbaik jika dibandingkan dengan algoritma lain yaitu 91%.
Related Results
BAHASA (UJARAN) KEBENCIAN OLEH KARTIKA DAMAYANTI KEPADA AYU TING-TING PADA LAMAN INSTAGRAM
BAHASA (UJARAN) KEBENCIAN OLEH KARTIKA DAMAYANTI KEPADA AYU TING-TING PADA LAMAN INSTAGRAM
ABSTRAK Penelitian ini berjudul Bahasa (ujaran) Kebencian oleh Kartika Damayanti kepada Ayu Ting-Ting pada Laman Instagram. Adapun yang menjadi latar belakang penelitian ini adalah...
Pola Komunikasi Kelompok dalam Pencegahan Penyebaran Ujaran Kebencian (Studi Kasus Empat Kelompok Agama di Kecamatan Medan Polonia pada Pemilihan Presiden Tahun 2019)
Pola Komunikasi Kelompok dalam Pencegahan Penyebaran Ujaran Kebencian (Studi Kasus Empat Kelompok Agama di Kecamatan Medan Polonia pada Pemilihan Presiden Tahun 2019)
Penelitian ini terinspirasi dari banyaknya kasus ujaran kebencian di media sosial yang terjadi secara massif menjelang pemilihan presiden (pilpres) tahun 2019. Permasalahan yang pa...
Ujaran Kebencian dalam Perspektif Teori Kepribadian dalam Psikologi
Ujaran Kebencian dalam Perspektif Teori Kepribadian dalam Psikologi
The development of social media makes it easy to communicate remotely. Apart from making it easier, social media is often used by some individuals to express anger in the form of u...
A Twitter Sentimen Analysis on Islamic Banking Using Drone Emprit Academic (DEA): Evidence from Indonesia
A Twitter Sentimen Analysis on Islamic Banking Using Drone Emprit Academic (DEA): Evidence from Indonesia
ABSTRACT
The research aimed to identify and collect issues discussed regarding Islamic banking from user activity, sentimen, and content on Twitter. This study used a qualitative a...
Alts and Automediality: Compartmentalising the Self through Multiple Social Media Profiles
Alts and Automediality: Compartmentalising the Self through Multiple Social Media Profiles
IntroductionAlt, or alternative, accounts are secondary profiles people use in addition to a main account on a social media platform. They are a kind of automediation, a way of rep...
PEMETAAN LANSKAP LINGUISTIK DI UNIVERSITAS AIRLANGGA SURABAYA
PEMETAAN LANSKAP LINGUISTIK DI UNIVERSITAS AIRLANGGA SURABAYA
Lanskap Linguistik ( LL) merujuk pada objek penggunaan bahasa di ruang publik. Menurut Landry and Bourhis (1997) yang termasuk dalam LL adalah bahasa di ruang-ruang publik seperti ...
KAJIAN LANSKAP LINGUISTIK PAPAN PENANDA TEBET ECOPARK
KAJIAN LANSKAP LINGUISTIK PAPAN PENANDA TEBET ECOPARK
Tebet Ecopark adalah taman yang diresmikan oleh Gubernur DKI Jakarta pada tahun 2022 dan dikelola oleh Suku Dinas Lingkungan Hidup Pemerintah Provinsi DKI Jakarta. Dari kedudukan b...
MEMARTABATKAN BAHASA MELAYU MELALUI PENDIDIKAN DAN MENDEPANI CABARAN GLOBALISASI
MEMARTABATKAN BAHASA MELAYU MELALUI PENDIDIKAN DAN MENDEPANI CABARAN GLOBALISASI
ABSTRAK Makalah ini membincangkan usaha memartabatkan bahasa Melayu melalui pendidikan. Tujuan utama ke arah ini adalah kerana bahasa Melayu merupakan bahasa kebangsaan yang menja...

