Klasifikasi Ujaran Kebencian di Twitter Menggunakan Fitur Ekstraksi Glove dengan Support Vector Machine(SVM)

Ahmad Ilham (Universitas Muhammadiyah Kalimantan Timur)
Naufal Azmi Verdikha (Teknik Informatika, Universitas Muhammadiyah Kalimantan Timur)
Assliah Johar Latipah (Teknik Informatika, Universitas Muhammdiyah Kalimantan Timur)

Explore IT : Jurnal Keilmuan dan Aplikasi Teknik Informatika

Twitter merupakan platform media sosial yang gratis dan bebas dipergunakan. Kebebasan tersebut mengakibatkan tidak terlepasnya banyak pengguna twitter yang membuat tweet dengan kalimat yang mengandung ujaran kebencian. Penelitian ini menggunakan fitur ekstraksi GloVe dan algoritma SVM untuk membuat model machine learning yang dapat mengidentifikasi ujaran kebencian menggunakan dataset twitter. Fokus penelitian ini adalah membandingkan kernel SVM, yaitu Sigmoid dan RBF dengan parameter C = 10 dan C=1. Model dievaluasi menggunakan F1 Score dengan teknik cross validasi untuk mengukur performa model dalam klasifikasi ujaran kebencian. Hasil penelitian menunjukkan bahwa kernel RBF dengan parameter C = 10 memiliki nilai rata-rata F1 Score tertinggi sebesar 0,682, sementara kernel sigmoid dengan parameter C = 10 memiliki nilai rata-rata F1 Score terendah sebesar 0,4520.