Deteksi Ujaran Kebencian Bahasa Banjar Menggunakan Ensemble Method

Abstract

Indonesia menjadi salah satu negara dengan penggunaan media sosial tertinggi di era modern ini. Banyaknya jumlah pengguna media sosial di Indonesia menyebabkan banyaknya kasus ujaran kebencian yang terjadi di Indonesia. Kementerian Komunikasi dan Informatika Republik Indonesia telah menangani 3.640 kasus ujaran kebencian berbasis SARA di ruang digital sejak tahun 2018 hingga 26 April 2021. Keragaman demografis Indonesia sebagai negara kepulauan dengan 1.340 suku bangsa dan 718 bahasa daerah memperkaya gaya komunikasi pengguna media sosial dengan ekspresi budaya, logat, dan bahasa yang beragam. Namun, media sosial tidak memiliki aturan penggunaan bahasa yang digunakan, sehingga memungkinkan pengguna untuk menggunakan bahasa daerah. Hal ini menjadi tantangan tersendiri dalam mendeteksi ujaran kebencian karena terbatasnya sumber daya untuk bahasa daerah. Banyaknya ujaran kebencian yang menyebar di media sosial membutuhkan adanya deteksi ujaran kebencian dengan mengklasifikasikan unggahan yang mengandung konten tersebut. Klasifikasi ujaran kebencian secara manual membutuhkan biaya yang besar dan tidak akurat. Oleh karena itu, metode deteksi otomatis diperlukan untuk mengatasi masalah ini. Ensemble method adalah metode menggabungkan beberapa model kemudian menggabungkannya untuk menghasilkan akurasi yang lebih baik. Ensemble method dengan performa terbaik dalam penelitian ini menggunakan ekstraksi fitur N-gram dengan pengklasifikasi Support Vector Machine, Naïve Bayes, dan Decision Tree yang digabungkan menggunakan metode soft voting dengan data dibagi ke dalam rasio 80:20. Ensemble method mencapai akurasi 85,70%, presisi 85,99%, recall 85,70%, dan f1-score 85,64%.