Deteksi Ujaran Kebencian pada Platform X Menggunakan Word2Vec dan Convolutional Neural Network (CNN)

Ardana Setyawan, Adhy (2025) Deteksi Ujaran Kebencian pada Platform X Menggunakan Word2Vec dan Convolutional Neural Network (CNN). Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (3MB)
	PDF BAB_I.pdf Download (216kB)
	PDF BAB_II.pdf Download (433kB)
	PDF BAB_III.pdf Download (243kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (396kB)
	PDF BAB_V.pdf Download (206kB)
	PDF DAFTAR_PUSTAKA.pdf Download (215kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (652kB)
	Archive (ZIP) CREATION_FILE.zip Download (10MB)

Abstract

Ujaran kebencian merupakan bentuk komunikasi yang merendahkan atau menyerang individu maupun kelompok berdasarkan identitas tertentu seperti ras, agama, atau gender. Fenomena ini semakin meluas di media sosial, khususnya di platform X (Twitter), yang memungkinkan penyebaran konten negatif secara cepat dan masif. Kondisi ini menimbulkan kebutuhan akan sistem deteksi otomatis untuk mengidentifikasi ujaran kebencian dalam skala besar. Penelitian ini bertujuan untuk merancang dan mengevaluasi model klasifikasi berbasis Convolutional Neural Network (CNN) guna mendeteksi ujaran kebencian berbahasa Indonesia. Proses representasi kata dilakukan menggunakan metode word embedding Word2Vec, yang mampu menangkap konteks semantik dari teks. Dataset yang digunakan merupakan hasil kombinasi dari data publik dan hasil scraping, kemudian diproses melalui tahap cleaning, normalization, dan stemming. Hasil evaluasi menunjukkan bahwa model CNN yang dikembangkan mampu mencapai akurasi sebesar 88,44%, dengan nilai precision sebesar 89%, recall sebesar 91%, dan F1-score sebesar 90% pada kelas teks yang mengandung ujaran kebencian. Berdasarkan confusion matrix, model berhasil mengklasifikasikan 664 data ujaran kebencian secara benar, dengan 57 kasus salah prediksi. Sementara itu, untuk teks non-ujaran kebencian, sebanyak 493 data diklasifikasikan dengan tepat dan 83 data mengalami kesalahan klasifikasi. Temuan ini menunjukkan bahwa model memiliki potensi untuk diterapkan dalam sistem moderasi konten berbasis teks secara otomatis dan efisien.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Ardana Setyawan, Adhy (00000059569)
Contributors:	Aditiyawan, Aditiyawan (8994550022)
Keywords:	Convolutional Neural Network, Media Sosial, Pembelajaran Mesin, Ujaran Kebencian, Word2Vec
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	09 Sep 2025 07:31
URI:	https://kc.umn.ac.id/id/eprint/40299

Actions (login required)

View Item