Penelitian ini bertujuan mengembangkan sistem klasifikasi ujaran kebencian berbahasa Indonesia pada teks bahasa gaul yang berkaitan dengan isu Israel di platform YouTube. Tingginya potensi polarisasi opini pada kolom komentar terkait isu geopolitik tersebut, serta terbatasnya penelitian yang menyasar variasi bahasa informal, menjadi latar belakang utama penelitian ini. Pendekatan kuantitatif dengan desain penelitian eksperimen digunakan, berbasis metode Support Vector Machine (SVM). Data dikumpulkan melalui teknik web scraping menggunakan YouTube Data API v3 terhadap 79 video, menghasilkan 15.096 komentar mentah yang kemudian melalui tahap praproses berupa case folding, normalisasi bahasa gaul, tokenizing, stopword removal, dan stemming sehingga menghasilkan 13.314 data bersih. Data dilabeli secara otomatis berbasis leksikon, kemudian diekstraksi fiturnya menggunakan TF-IDF sebanyak 5.000 fitur sebelum dilatih dengan model SVM berkernel linear. Hasil pengujian terhadap 2.663 data uji menunjukkan performa model yang sangat baik, dengan akurasi 99,10%, presisi 97,28%, recall 93,63%, dan F1-Score 95,42% pada kelas ujaran kebencian. Ujaran kebencian yang ditemukan didominasi kata kasar dan kata bermuatan hasutan, dengan proporsi 10,02% dari keseluruhan data. Model selanjutnya diimplementasikan pada sistem web SIKUK berbasis PHP native untuk mendukung moderasi konten secara cepat dan objektif.
Copyrights © 2026