DETEKSI UJARAN KEBENCIAN BERBASIS VIDEO MENGGUNAKAN METODE MEL FREQUENCY CEPSTRAL COEFFICIENTS (MFCC) - HIDDEN MARKOV MODEL (HMM) DAN CONVOLUTIONAL NEURAL NETWORK (CNN)

Perkembangan kasus ujaran kebencian di Indonesia telah meningkat pesat dari tahun ke tahun, tercatat 3.325 kasus pada tahun 2017, angka tersebut naik 44,99% dari tahun sebelumnya yang berjumlah 1.829 kasus. Penyebaran ujaran kebencian di sosial media masih mudah dilakukan karena belum ada filter saat mengunggah konten. Dari masalah tersebut, perlu adanya tindakan untuk mengurangi penyebaran ujaran kebencian salah satunya melalui media video, penelitian ini akan membuat pendeteksi ujaran kebencian berbasis video dengan menggunakan metode ekstraksi ciri Mel Frequency Cepstral Coefficients (MFCC)dan metode Hidden Markov Model (HMM ) untuk konversi suara menjadi teks, kemudian diklasifikasikan menggunakan Convolutional Neural Network (CNN). Pengujian dilakukan terhadap 20 sample video. Hasil menunjukkan bahwa WER minimum yang didapatkan adalah 9.43% untuk video perempuan dengan menggunakan 39 MFCC dan 80 state, dan 7.54% untuk video laki-laki dengan menggunakan 13 MFCC dan 70 state. Hasil terbaik dari proses speech to text diklasifikasi, hasil menunjukkan bahwa akurasi 84%, precission 87.5% dan recall 70% adalah yang tertinggi dengan menggunakan 2 jumlah matriks filter, sehingga didapatkan dalam penelitian ini 13 coefficien MFCC , 70 state HMM , dan 2 jumlah matriks filter CNN adalah parameter terbaik.