Implementasi Long Short-Term Memory Dalam Analisis Sentimen Pengguna Aplikasi Twitter Yang Mengandung Ujaran Kebencian

Abstract

Aplikasi dan media sosial muncul sebagai hasil dari kemajuan internet dan teknologi, yang memungkinkan pengguna berinteraksi satu sama lain melalui teks dan komentar. Sebagai contoh, aplikasi Twitter merupakan media sosial yang sering sekali digunakan saat ini. Namun, Twitter juga berpotensi menjadi tempat penyebaran ujaran kebencian. Ujaran kebencian berarti menghina, merendahkan, atau mengintimidasi seseorang atau kelompok berdasarkan atribut tertentu, seperti ras, agama, etnis, gender, orientasi seksual, atau jenis kelamin. Ujaran kebencian memiliki banyak akibat buruk yang dapat membahayakan kesehatan mental dan keamanan online penggunanya. Tujuan penelitian ini adalah untuk memecahkan masalah ini dengan menguji seberapa efektif algoritma Long Short-term Memory (LSTM) dalam menganalisis sentimen ujaran kebencian pada aplikasi. Untuk mendeteksi ujaran kebencian dengan tingkat akurasi tinggi, penelitian ini mengembangkan model klasifikasi teks berbasis LSTM. Data teks yang dikumpulkan dari aplikasi yang mengandung ujaran kebencian kemudian dibersihkan dan dinormalisasi untuk pra-pemrosesan. Selain itu, model LSTM digunakan untuk klasifikasi teks sentimen, dan kinerjanya dinilai dengan metrik accuracy, precision, dan recall. Sehingga penelitian ini menghasilkan tingkat accuracy sebesar 83% dengan nilai rata-rata makro (macro average) sebesar 65%.