<![CDATA[Deteksi ujaran kebencian pada media sosial menuntut interpretasi teks yang kompleks karena sifatnya yang spontan dan ambigu, terutama dalam bahasa Indonesia yang kaya akan slang. Tantangan utama saat ini adalah keterbatasan penelitian sebelumnya yang mayoritas hanya melakukan klasifikasi biner tanpa mendeteksi tingkat keparahan konten. Penelitian ini mengusulkan XSentiment-HS, sebuah model deep learning hierarkis dua tahap untuk deteksi multi-tingkat hate speech. Arsitektur model menggabungkan Convolutional Neural Networks (CNN) untuk ekstraksi fitur lokal dan Bidirectional Gated Recurrent Unit (BiGRU) untuk menangkap ketergantungan kontekstual jangka panjang. Model ini juga diperkuat dengan mekanisme Multi-Head Attention dan Support Vector Machine (SVM) sebagai classifier final. Melalui integrasi ini, XSentiment-HS diharapkan mampu mengatasi tantangan ekstraksi fitur dan polisemi secara lebih efektif dibandingkan metode konvensional.]]>
Copyrights © 2026
