DETEKSI UJARAN KEBENCIAN PADA PLATFORM X MELALUI KLASIFIKASI MULTI-LABEL MENGGUNAKAN BI-GRU

Ujaran kebencian di media sosial, terutama di platform X, mengalami peningkatan signifikan pada periode September 2023 hingga Januari 2024, dengan 66,1% dari 180 ribu unggahan terindentifikasi mengandung ujaran kebencian. Penanganan ujaran kebencian secara manual, seperti moderasi manusia atau pelaporan oleh pengguna dinilai kurang efektif karena proses identifikasi yang berlangsung lambat. Penelitian ini mengusulkan pendekatan deteksi berbasis pembelajaran mendalam dengan model Bi-GRU untuk mengatasi keterbatasan metode manual dalam mengidentifikasi ujaran kebencian yang kompleks di media sosial. Sebagian besar penelitian sebelumnya berfokus pada klasifikasi biner yang belum mampu menangkap kompleksitas ujaran kebencian. Oleh karena itu, penelitian ini mengembangkan model klasifikasi multi-label dengan memanfaatkan tokenizer IndoBERT untuk menangani berbagai aspek ujaran kebencian. Metode yang diusulkan menunjukkan akurasi pengujian sebesar 89,51%, yang mengindikasikan kemampuan model dalam mengidentifikasi kategori ujaran kebencian seperti ras, agama, jenis kelamin, kondisi fisik, dan sebagainya. Penelitian ini berhasil mengatasi keterbatasan pendekatan konvensional dan klasifikasi biner, serta memberikan deteksi yang lebih komprehensif terhadap ujaran kebencian di platform media sosial. Hasil ini menunjukkan potensi kontribusi terhadap upaya peningkatan moderasi konten secara lebih efisien, konsisten, dan terotomatisasi.