Integrasi Hybrid IndoBERT CNN dan Explainable Generative AI untuk Deteksi serta Interpretasi Ujaran Kebencian pada Platform X

Mitawati, Mitawati (2026) Integrasi Hybrid IndoBERT CNN dan Explainable Generative AI untuk Deteksi serta Interpretasi Ujaran Kebencian pada Platform X. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_I.pdf Download (217kB)
	PDF BAB_II.pdf Download (759kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (301kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (658kB)
	PDF BAB_V.pdf Restricted to Registered users only Download (206kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (214kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (589kB)
	Archive (ZIP) 00000070345_2521_LembarPengesahan.pdf Restricted to Registered users only Download (65kB)

Abstract

Perkembangan media sosial meningkatkan penyebaran ujaran kebencian (hate speech) yang berpotensi memicu konflik sosial, diskriminasi, dan perpecahan di masyarakat. Oleh karena itu, diperlukan sistem yang tidak hanya mampu mendeteksi ujaran kebencian secara akurat, tetapi juga memberikan penjelasan yang mudah dipahami mengenai alasan di balik hasil prediksi. Penelitian ini bertujuan merancang sistem deteksi dan interpretasi ujaran kebencian pada platform X melalui integrasi Hybrid IndoBERT CNN dan Explainable Generative AI. Model deteksi mengombinasikan IndoBERT untuk menghasilkan representasi kontekstual teks dengan Convolutional Neural Network (CNN) untuk mengekstraksi fitur lokal yang relevan. Tahapan penelitian meliputi prapemrosesan data, pembagian dataset, tokenisasi menggunakan IndoBERT, pelatihan model, optimasi hiperparameter menggunakan Optuna, serta evaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Untuk meningkatkan interpretabilitas model, penelitian ini menerapkan pendekatan Explainable Generative AI dengan memanfaatkan metode Local Interpretable Model-Agnostic Explanations (LIME) untuk mengidentifikasi fitur-fitur yang memengaruhi keputusan model, kemudian menghasilkan penjelasan naratif. Hasil pengujian menunjukkan bahwa model mencapai performa terbaik pada pembagian data 80:20 dengan akurasi sebesar 86%. Pada kelas hate speech, model memperoleh nilai precision, recall, dan F1-score masing-masing sebesar 86%, 89%, dan 88%. Selain mampu melakukan klasifikasi ujaran kebencian, pendekatan Explainable Generative AI yang diusulkan menghasilkan penjelasan naratif berdasarkan keluaran LIME. Sehingga memberikan informasi yang mendukung pemahaman terhadap hasil prediksi model.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Mitawati, Mitawati (00000070345)
Contributors:	Aditiyawan, Aditiyawan (8994550022)
Keywords:	Explainable Generative AI, Hybrid IndoBERT CNN, IndoBERT, Platform X, Ujaran Kebencian. x Integrasi Hybrid IndoBERT..., Mitawati, Universitas Multimedia Nusantara
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	28 Jul 2026 12:06
URI:	https://kc.umn.ac.id/id/eprint/48368

Actions (login required)

View Item