Tel-UTel-U

International Journal on Information and Communication Technology (IJoICT)International Journal on Information and Communication Technology (IJoICT)

Pemilihan Presiden Indonesia 2024 telah menarik perhatian masyarakat Indonesia dalam beberapa bulan terakhir. Sejak akhir November 2023, telah terjadi diskusi yang semakin intensif mengenai topik ini, terutama di internet, karena kampanye partai politik telah dimulai. Media sosial seperti Twitter dan Facebook memainkan peran signifikan dalam politik dengan menyediakan ruang bagi individu untuk berbagi pandangan dan terlibat dalam diskusi politik. Namun, sifat terbuka Twitter dapat mendorong diskusi politik yang informatif dan menciptakan peluang untuk penyebaran ujaran kebencian, yang dapat mempengaruhi opini publik tentang calon presiden. Penelitian ini menerapkan pendekatan pembelajaran mesin untuk mengklasifikasikan akun buzzer yang menyebarkan ujaran kebencian selama periode pemilihan presiden. Dengan menggunakan IndoBERT untuk klasifikasi ujaran kebencian dan model pembelajaran mesin tradisional untuk mengklasifikasikan akun buzzer, penelitian ini menganalisis 62.341 cuitan untuk klasifikasi ujaran kebencian dan 961 akun untuk klasifikasi akun buzzer. Implementasi IndoBERT menunjukkan kinerja yang kuat dengan presisi dan recall sebesar 91,12%, serta akurasi dan F1-score sebesar 91,19% dalam klasifikasi ujaran kebencian. Sementara itu, untuk klasifikasi akun buzzer, penelitian ini membandingkan Decision Tree, Random Forest, dan XGBoost, dengan Decision Tree mencapai kinerja tertinggi dengan presisi, recall, akurasi, dan F1-Score sebesar 64%. Hasil penelitian ini menunjukkan efektivitas kombinasi pembelajaran dalam untuk klasifikasi ujaran kebencian dengan pembelajaran mesin tradisional untuk klasifikasi akun buzzer, yang berkontribusi pada pengembangan penyaringan konten yang lebih efektif untuk diskursus pemilihan di media sosial.

Penelitian ini menunjukkan kehadiran signifikan akun buzzer yang menyebarkan ujaran kebencian di Twitter selama Pemilihan Presiden Indonesia 2024, yang menekankan kebutuhan mendesak akan mekanisme deteksi yang efektif sebelum menerapkan tindakan pencegahan.341 cuitan yang dianalisis, sekitar 66,17% mengandung ujaran kebencian, yang menunjukkan skala yang signifikan dari pesan negatif yang terkoordinasi dalam diskursus politik.Dengan memanfaatkan teknik pemrosesan bahasa alami dan pembelajaran mesin yang canggih, penelitian ini mengembangkan kerangka kerja komprehensif untuk menciptakan lingkungan media sosial yang lebih sehat selama periode pemilihan.Implementasi IndoBERT untuk klasifikasi ujaran kebencian menunjukkan kinerja yang kuat dengan presisi dan F1-score sebesar 91,12%, serta akurasi dan recall sebesar 91,19%, yang menunjukkan efektivitasnya dalam mengidentifikasi konten yang merugikan dalam diskursus politik Indonesia.Untuk deteksi akun buzzer, klasifikasi Decision Tree muncul sebagai yang paling efektif di antara model pembelajaran mesin tradisional, dengan mencapai 64% di seluruh metrik (presisi, recall, F1-score, dan akurasi).Hasil ini membuktikan potensi kombinasi pendekatan pembelajaran dalam untuk analisis sentimen dengan pembelajaran mesin tradisional untuk klasifikasi perilaku dalam mengatasi manipulasi media sosial.Meskipun metrik kinerja menunjukkan kemampuan yang menjanjikan, hasil ini juga menunjukkan area untuk perbaikan di masa depan, terutama dalam deteksi akun buzzer melalui dataset yang lebih luas dan teknik rekayasa fitur yang lebih canggih.

Untuk penelitian lanjutan, disarankan untuk memperluas dataset dengan memasukkan lebih banyak bentuk ujaran kebencian politik yang beragam. Selain itu, perlu dipertimbangkan untuk mengintegrasikan fitur kontekstual agar dapat memahami bentuk-bentuk ujaran kebencian yang tersirat. Dalam hal deteksi akun buzzer, perlu dikumpulkan dataset yang lebih besar dan beragam untuk akun buzzer. Teknik rekayasa fitur yang lebih canggih juga harus dikembangkan untuk menangkap perilaku buzzer yang terus berkembang. Selain itu, perlu dieksplorasi metode pembelajaran mesin lainnya untuk menangani berbagai strategi akun buzzer. Dengan menggabungkan pendekatan ini, penelitian selanjutnya dapat meningkatkan kemampuan dalam mendeteksi akun buzzer dan ujaran kebencian, sehingga menciptakan lingkungan media sosial yang lebih sehat dan informatif selama periode pemilihan.

  1. Buzzer Account Detection in Political Hate Tweets: Case Study of the Indonesian Presidential Election... doi.org/10.21108/ijoict.v10i2.1012Buzzer Account Detection in Political Hate Tweets Case Study of the Indonesian Presidential Election doi 10 21108 ijoict v10i2 1012
Read online
File size476.63 KB
Pages11
DMCAReport

Related /

ads-block-test