Implementasi Bloom Filter untuk Pendeteksi Hate Speech Bilingual Bahasa Indonesia dan Inggris

Marcellino Jo, George (2024) Implementasi Bloom Filter untuk Pendeteksi Hate Speech Bilingual Bahasa Indonesia dan Inggris. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (2MB)
	PDF BAB_I.pdf Download (213kB)
	PDF BAB_II.pdf Download (244kB)
	PDF BAB_III.pdf Download (683kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (504kB)
	PDF BAB_V.pdf Download (202kB)
	PDF DAFTAR_PUSTAKA.pdf Download (210kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (427kB)

Abstract

Hate speech adalah ungkapan atau pidato yang menghina individu atau kelompok berdasarkan (dugaan) keanggotaan dalam suatu kelompok sosial yang dikenali melalui ciri-ciri seperti ras, etnis, jenis kelamin, orientasi seksual, agama, usia, disabilitas fisik atau mental, dan faktor-faktor lainnya. Dikarenakan pertumbuhan pesat internet yang memungkinkan untuk terjadinya komunikasi dari berbagai belahan dunia dengan mudah tanpa ada batasan jarak, interferensi bahasa lain ke dalam bahasa Indonesia pun tidak dapat dihindari, dan membuat terciptanya penggunaan bahasa bilingual di kehidupan sehari-hari. BLOOM-560M akan digunakan untuk mendeteksi apakah sebuah teks bilingual Indonesia-Inggris merupakan teks hate speech atau non-hate speech. Hasil dari penelitian mendeteksi hate speech atau non-hate speech pada teks bilingual dengan menggunakan BLOOM Filter pada jumlah epoch 6 dengan menggunakan nilai learning rate sebesar 2e-5 dan nilai epsilon 1e-8, didapatkan accuracy 94,28%, precision 88,63%, recall 92,85%, dan F1-score 90,69%. Model juga mendapatkan hasil yang cukup memuaskan dalam mendeteksi teks manual yang di-forward pass ke dalam model dengan baik, 5 dari 6 teks yang dimasukkan dapat diprediksi oleh model dengan benar.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Bilingual, BLOOM Filter, Code-mixed, Hate Speech, Machine Learning
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	11 Nov 2024 11:10
Last Modified:	11 Nov 2024 11:10
URI:	https://kc.umn.ac.id/id/eprint/34488

Actions (login required)

View Item