Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JRIIN :Jurnal Riset Informatika dan Inovasi
Mochamad Rafly Thabroni
Universitas Pamulang
Computer Science & IT Decision Sciences, Operations Research & Management

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Deteksi Ujaran Kebencian Berbahasa Indonesia pada Media Sosial X Menggunakan Metode Support Vector Machine (SVM) Ricky Tri Setiawan Putra; Mochamad Rafly Thabroni; Lalu Akbar Prayudi; Tyas Fachri Ramdhani; Muhamad Fiqih; Panri Budiman Nadapdap; Rahmawati
Jurnal Riset Informatika dan Inovasi Vol 4 No 4 (2026): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan media sosial telah mengubah pola komunikasi masyarakat dengan menyediakan sarana pertukaran informasi dan penyampaian pendapat secara cepat melalui platform digital. Di balik kemudahan tersebut, peningkatan aktivitas pengguna media sosial juga diikuti oleh maraknya penyebaran ujaran kebencian yang berpotensi menimbulkan diskriminasi, intoleransi, maupun konflik sosial. Salah satu platform yang banyak digunakan untuk menyampaikan opini publik adalah Twitter atau X, sehingga platform ini menjadi sumber data yang relevan untuk penelitian deteksi ujaran kebencian. Penelitian ini bertujuan mengidentifikasi konten ujaran kebencian pada tweet berbahasa Indonesia dengan memanfaatkan algoritma Support Vector Machine (SVM). Dataset yang digunakan diperoleh dari Kaggle dan terdiri atas 13.169 tweet berbahasa Indonesia. Tahapan penelitian meliputi preprocessing data, pembobotan fitur menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF), proses klasifikasi menggunakan SVM, serta evaluasi model melalui metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model menghasilkan accuracy sebesar 65,79%, precision sebesar 10,43%, recall sebesar 61,66%, dan F1-score sebesar 17,84%. Berdasarkan hasil tersebut, algoritma SVM memiliki kemampuan untuk digunakan dalam proses klasifikasi ujaran kebencian pada media sosial.
Co-Authors Lalu Akbar Prayudi Muhamad Fiqih Panri Budiman Nadapdap Rahmawati Ricky Tri Setiawan Putra Tyas Fachri Ramdhani