Pemanfaatan Model BLOOM untuk Deteksi Ujaran Kebencian pada Teks Campuran Bahasa Indonesia-Inggris

Sorensen, Kevin (2025) Pemanfaatan Model BLOOM untuk Deteksi Ujaran Kebencian pada Teks Campuran Bahasa Indonesia-Inggris. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (222kB)
	PDF BAB_II.pdf Download (299kB)
	PDF BAB_III.pdf Download (643kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (290kB)
	PDF BAB_V.pdf Download (201kB)
	PDF DAFTAR_PUSTAKA.pdf Download (209kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (363kB)

Abstract

Ujaran kebencian merupakan masalah krusial dalam komunikasi digital, terutama pada konteks campuran bahasa (code-mixing) antara Bahasa Indonesia dan Bahasa Inggris. Sistem deteksi konvensional sering gagal mengidentifikasi ujaran kebencian dalam teks campuran karena keterbatasan data dan model yang bersifat monolingual. Penelitian ini mengkaji kinerja model BLOOM, yaitu model bahasa berbasis transformer multibahasa, dalam mendeteksi ujaran kebencian pada teks campuran. Model dilatih menggunakan dataset yang diperluas hingga 30.000 sampel yang mencakup Bahasa Indonesia, Bahasa Inggris, dan teks campuran. Hasil pelatihan menunjukkan akurasi validasi sebesar 99,97% dan nilai F1-score sebesar 99,97%. Evaluasi pada dataset yang beragam menunjukkan ketangguhan model serta mengidentifikasi tantangan, terutama dalam mendeteksi ekspresi informal dan kontekstual. Hasil ini menunjukkan bahwa model multibahasa seperti BLOOM memiliki potensi besar dalam menangani deteksi ujaran kebencian pada lingkungan teks campuran.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Sorensen, Kevin (00000062002)
Contributors:	Wicaksana, Arya
Keywords:	code-mixing, deteksi ujaran kebencian, model BLOOM, model multibahasa, teks Indonesia-Inggris
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	10 Sep 2025 05:45
URI:	https://kc.umn.ac.id/id/eprint/40475

Actions (login required)

View Item