IMPLEMENTASI ALGORITMA LONG SHORT TERM MEMORY (LSTM) UNTUK MENDETEKSI UJARAN KEBENCIAN (HATE SPEECH) PADA MEDIA SOSIAL

PININGGIT, DEWI SASMITA NINDYA SELVA (2022) IMPLEMENTASI ALGORITMA LONG SHORT TERM MEMORY (LSTM) UNTUK MENDETEKSI UJARAN KEBENCIAN (HATE SPEECH) PADA MEDIA SOSIAL. S1 thesis, Universitas Mercu Buana Bekasi.

Preview	Text 41518210038 - Dewi Sasmita Nindya Selva Pininggit - 02 Cover.pdf Download (675kB) | Preview
Preview	Text 41518210038 - Dewi Sasmita Nindya Selva Pininggit - 03 Abstrak.pdf Download (29kB) | Preview
	Text 41518210038 - Dewi Sasmita Nindya Selva Pininggit - 04 BAB 1.pdf Restricted to Registered users only Download (37kB)
	Text 41518210038 - Dewi Sasmita Nindya Selva Pininggit - 05 BAB 2.pdf Restricted to Registered users only Download (91kB)
	Text 41518210038 - Dewi Sasmita Nindya Selva Pininggit - 06 BAB 3.pdf Restricted to Registered users only Download (96kB)
Preview	Text 41518210038 - Dewi Sasmita Nindya Selva Pininggit - 07 BAB 4.pdf Download (193kB) | Preview
	Text 41518210038 - Dewi Sasmita Nindya Selva Pininggit - 07 BAB 4.pdf Restricted to Registered users only Download (193kB)
	Text 41518210038 - Dewi Sasmita Nindya Selva Pininggit - 08 BAB 5.pdf Restricted to Registered users only Download (149kB)
	Text 41518210038 - Dewi Sasmita Nindya Selva Pininggit - 10 Daftar Pustaka.pdf Restricted to Registered users only Download (151kB)
	Text 41518210038 - Dewi Sasmita Nindya Selva Pininggit - 11 Lampiran.pdf Restricted to Registered users only Download (373kB)

Abstract

ABSTRAK Nama : Dewi Sasmita Nindya Selva Pininggit NIM : 41518210038 Pembimbing TA : Giri Purnama, S.Pd., M.Kom Judul : Implementasi Algoritma Long Short Term Memory (LSTM) Untuk Mendeteksi Ujaran Kebencian (Hate Speech) Pada Media Sosial Ujaran kebencian telah menjadi permasalahan yang cukup banyak dibicarakan di era digital sekarang ini. Mengingat banyaknya platform-platform media sosial yang menjadi wadah bagi warga dunia untuk menyampaikan pendapatnya secara bebas dan tidak terikat. Ujaran kebencian merupakan komunikasi yang meremehkan seseorang atau kelompok berdasarkan karakteristik seperti (ras, etnis, jenis kelamin, kewarganegaraan, agama, dan organisasi). Twitter adalah salah satu platform media sosial yang banyak digunakan. Dalam penelitian ini, arsitektur RNN bernama LSTM (Long Short-Term Memory) akan digunakan untuk mendeteksi ujaran kebencian pada sosial media twitter yang berkaitan dengan Olimpiade Tokyo 2020. Tahapan awal penelitian yaitu studi kepustakaan, pengumpulan data, kemudian prapemrosesan data, pembuatan model LSTM, pelatihan model, dan pengujian model. Model ini dilatih menggunakan 500 data tweet dan diuji menggunakan 90 data tweet dengan menghasilkan nilai akurasi mencapai 86% dan recall sebesar 74% dengan melakukan 40 kali epoch. Parameter lain cenderung masih rendah dikarenakan penggunaan bahasa pada media sosial yang seringkali tidak konsisten. Kata kunci: Ujaran kebencian, RNN, LSTM, Twitter, Deep Learning ABSTRACT Name : Dewi Sasmita Nindya Selva Pininggit Student Number : 41518210038 Counsellor : Giri Purnama, S.Pd., M.Kom Title : Implementation of Long Short Term Memory (LSTM) Algorithm to Detect Hate Speech on Social Media Hate speech has become a problem that is widely discussed in today's digital era. Given the many social media platforms that are a place for citizens of the world to express their opinions freely and not bound. Hate speech is communication that disparages a person or group based on characteristics such as (race, ethnicity, gender, nationality, religion, and organization). Twitter is one of the widely used social media platforms. In this study, an RNN architecture named LSTM (Long Short-Term Memory) will be used to detect hate speech on Twitter social media related to the 2020 Tokyo Olympics. The initial stages of the research are literature study, data collection, then data pre-processing, model making LSTM, model training, and model testing. This model was trained using 500 tweet data and tested using 90 tweet data by producing an accuracy value of 86% and a recall of 74% with 40 epochs. Other parameters tend to be low due to the inconsistent use of language on social media. Key words: Hate Speech, RNN, LSTM, Twitter, Deep Learning

Actions (login required)

View Item