IMPLEMENTASI METODE CNN-BILSTM PADA DETEKSI UJARAN KEBENCIAN DALAM BAHASA INDONESIA PADA PLATFORM X
Perkembangan media sosial telah mempermudah penyebaran informasi, namun juga meningkatkan potensi penyebaran ujaran kebencian berbasis agama, ras, fisik, jenis kelamin, dan bentuk penghinaan lainnya. Deteksi manual terhadap ujaran kebencian menjadi tidak efektif akibat besarnya volume percakapan di media sosial. Oleh karena itu, penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi model hybrid Convolutional Neural Network–Bidirectional Long Short-Term Memory (CNN-BiLSTM) dalam mendeteksi ujaran kebencian secara otomatis pada Platform X. Proses penelitian mencakup pengambilan dataset secara sekunder, preprocessing teks, embedding fasttext pre-trained, pelatihan model CNN-BiLSTM, serta pengujian performa menggunakan metrik akurasi, precision, recall, dan f1-score. Hasil pengujian menunjukkan bahwa Model hybrid CNN-BiLSTM mampu memprediksi komentar baru dengan akurasi sebesar 0.72. Hasil evaluasi lebih lanjut menunjukkan bahwa model ini mencapai precision sebesar 0.74, recall sebesar 0.72, dan F1-score sebesar 0.72.
URI
https://repo.itera.ac.id/depan/submission/SB2506090009
Keyword
Ujaran Kebencian CNN-BiLSTM FastText Deteksi Otomatis Media Sosial