Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal KOMPUTA : Jurnal Ilmiah Komputer dan Informatika
Alfyansyah, Rangga
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
Identifikasi Ujaran Kebencian Pada Sosial Media Bahasa Inggris Menggunakan Recursive Neural Network Pardede, Jasman; Alfyansyah, Rangga
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 1 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputa.v13i1.10783

Abstract

Penyebaran ujaran kebencian pada sosial media telah menjadi masalah serius karena menciptakan serangkaian konflik ras, etnis, orientasi seksual, kebangsaan, dan agama. Penelitian ini menggali dari unggahan ujaran kebencian di media sosial. Ujaran kebencian semakin meningkat di media sosial yang merendahkan individu atau kelompok banyak ditemukan. Mengidentifikasi ujaran kebencian secara tepat menjadi penting untuk menganalisis sentimen publik dari kelompok pengguna terhadap kelompok lain serta mencegah kegiatan yang tidak diinginkan. Dengan mengidentifikasi akar penyebabnya, pihak-pihak yang berwenang dan platform-platform digital dapat mengambil tindakan yang lebih efektif dalam memitigasi dampak negatifnya dan melindungi masyarakat dari ancaman yang mungkin timbul. Algoritma seperti Support Vector Machine dan Deep Neural Networks, terutama Recursive Neural Network, dapat mengidentifikasi ujaran kebencian. Dalam penelitian ini menerapkan Recursive Neural Network untuk mengidentifikasi ujaran kebencian. Performa sistem ini diukur berdasarkan nilai precision, recall, accuracy, dan F-Measure. Hasil eksperimen yang dilakukan terhadap data ujaran kebencian diperoleh nilai rata-rata precision, recall, accuracy, dan F-Measure masing-masing sebesar 0.78, 0.74, 0.76, dan 0.76. Hasil tersebut menunjukkan bahwa Recursive Neural Networks yang diusulkan memiliki performa yang cukup baik.
Co-Authors Jasman Pardede