ANALISIS PERFORMANSI HATE COMMENTS PADA KASUS CYBERBULLYING BERBASIS INDOBERT DAN CENDOL - Capstone

KARTIKA DWI MAHARANI

Informasi Dasar

43 kali
24.04.5970
006.35
Karya Ilmiah - Skripsi (S1) - Reference

Cyberbullying merupakan salah satu permasalahan sosial yang semakin meningkat seiring dengan berkembangnya platform media sosial. Dampak dari cyberbullying, seperti hate comments, dapat memberikan efek negatif yang besar secara psikologis dan emosional pada korban. Penelitian ini memiliki latar belakang pentingnya pengembangan sistem deteksi hate comments yang akurat untuk memitigasi dampak tersebut. Tujuan penelitian ini adalah untuk menganalisis performansi model IndoBERT dan Cendol dalam mendeteksi komentar kebencian pada kasus cyberbullying. Metode yang digunakan dalam penelitian ini adalah pengumpulan dataset yang mengandung kata kunci yang mengarah ke hate comments dan bullying, serta pengujian model IndoBERT dan Cendol. Evaluasi dilakukan menggunakan matriks seperti akurasi, presisi, recall, dan F1-Score.

Hasil penelitian menunjukkan bahwa model IndoBERT dan Cendol memiliki performansi yang kompetitif dalam mendeteksi hate comments. Model IndoBERT menunjukkan keunggulan dalam menangani teks formal, sedangkan model Cendol lebih efisien dalam memahami bahasa informal dan konteks lokal. Survei yang dilakukan dengan 328 responden menghasilkan 64 kata kunci yang mengandung kata cyberbullying. Model IndoBERT menunjukkan akurasi tertinggi dengan nilai 90,7% pada epoch ke-5, learning rate 10^-5, dan batch size 8. Sementara itu, model Cendol memperoleh akurasi 90,6% pada epoch ke-5, learning rate 10^-4, dan batch size 2. Media sosial yang digunakan dalam penelitian ini adalah X (sebelumnya Twitter), yang menjadi salah satu platform yang banyak digunakan untuk berinteraksi dan berbagi opini.

Meskipun performansi kedua model sangat baik, terdapat kemungkinan model mengalami overfitting. Hal ini menjadi perhatian penting untuk penelitian selanjutnya, karena overfitting dapat mengurangi kemampuan model untuk generalisasi pada data yang belum terlihat. Penelitian ini memberikan kontribusi penting dalam pengembangan sistem deteksi ujaran kebencian berbasis bahasa Indonesia, yang dapat diterapkan tidak hanya di X, tetapi juga di media sosial lain seperti Facebook, Instagram, dan TikTok, untuk memitigasi dampak negatif dari hate comments di berbagai platform.

Kata Kunci: Cyberbullying, Hate Comments, IndoBERT, Cendol, NLP.

Subjek

NATURAL LANGUAGE PROCESSING
 

Katalog

ANALISIS PERFORMANSI HATE COMMENTS PADA KASUS CYBERBULLYING BERBASIS INDOBERT DAN CENDOL - Capstone
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

KARTIKA DWI MAHARANI
Perorangan
Suryo Adhi Wibowo, Koredianto Usman
 

Penerbit

Universitas Telkom, S1 Teknik Telekomunikasi
Bandung
2024

Koleksi

Kompetensi

  • TTI4I3 - AI DAN BIG DATA ANALYSIS
  • TTI2F2 - PEMROGRAMAN PYTHON

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini