DETEKSI HATE SPEECH PADA KOLOM KOMENTAR TIKTOK MENGENAI KONFLIK GAZA MENGGUNAKAN SVM

Mia kamayani; Amelia Ariska;

ABSTRAK

Deteksi hate speech pada kolom komentar TikTok mengenai konflik Gaza menggunakan SVM

Amelia Ariska

Hate speech adalah sebuah bentuk ungkapan perasaan yang ditulis dalam bentuk kata sehingga
menjadi sebuah postingan pada sebuah kolom komentar. Hate speech menggunakan ungkapan pada
kolom komentar mengandung unsur (sara, ras, etnis, pengucilan dan lain sebagainya). Penulisan
komentar yang mengandung hate speech tentunya banyak merugikan untuk setiap orang. TikTok
merupakan salah satu platform media sosial yang digunakan anak muda dalam melakukan
penyebaran hate speech. Penggunaan aplikasi TikTok sering kali digunakan untuk perang
argumentasi, kasus yang sedang terjadi mengenai konflik Gaza. Pengguna saling serang argumentasi
pada kolom komenta, hal ini sangat dirugikan. TikTok telah berupaya dengan membuatkan fitur
untuk melaporkan dan memblokir konten. Dan sudah banyak penelitian yang melakukan deteksi
hate speech, namun belum ditemukan kamus otomatis untuk melakukan pelabelan pada dataset
untuk mendeteksi hate speech. Dengan demikian penelitian ini dilakukan untuk mendeteksi hate
speech dengan melakukan pelabelan otomatis. Penelitian ini melakukan perbandingan kamus Inset
lexicon dan Vader sentiment untuk mengetahui kamus mana yang cocok digunakan untuk
mendeteksi hate speech. SVM dipilih sebagai algoritma klasifikasi karena kemampuannya dalam
menangani data bertipe teks dan kemampuan untuk mengatasi masalah klasifikasi biner seperti hate
speech dan non-hate speech. Penelitian ini menghasilkan kamus hate speech dari perbandingan inset
lexicon dan Vader sentiment dan dilakukan pembobotan dengan TF-IDF. Hasil dari pelabelan inset
lexicon mendapatkan akurasi sebesar 94, 97%, presisi sebesar 98, 50%, recall sebesar 90% dan F1-
score sebesar 94,06%. Sedangkan dari pelabelan Vader Sentimen akurasi sebesar 99, 18%, presisi
sebesar 99, 08%, recall sebesar 99, 33% dan f1- score 99, 17%.

Kata kunci: hate speech, lexicon, machine learning, support vector machine, TikTok

Detecting hate speech in TikTok comments column regarding the Gaza conflict using SVM

Amelia Ariska

Hate speech is a form of expression of feelings written in the form of words so that it becomes a post
in a comment column. Hate speech uses expressions in the comment column containing elements
(sara, race, ethnicity, exclusion and so on). Writing comments containing hate speech is certainly
detrimental to everyone. TikTok is one of the social media platforms used by young people to spread
hate speech. The use of the TikTok application is often used for argumentative warfare, the current
case regarding the Gaza conflict. Users attack each other's arguments in the comment column, this
is very detrimental. TikTok has tried to create a feature to report and block content. And there have
been many studies that have detected hate speech, but no automatic dictionary has been found to
label the dataset to detect hate speech. Thus, this study was conducted to detect hate speech by doing
automatic labeling. This study compares the Inset lexicon and Vader sentiment dictionaries to find
out which dictionary is suitable for detecting hate speech. SVM was chosen as the classification
algorithm because of its ability to handle text-type data and its ability to overcome binary
classification problems such as hate speech and non-hate speech. This study produces a hate speech
dictionary from a comparison of inset lexicon and Vader sentiment and is weighted with TF-IDF.
The results of inset lexicon labeling get an accuracy of 94.97%, precision of 98.50%, recall of 90%
and F1-score of 94.06%. While from Vader Sentiment labeling, the accuracy is 99.18%, precision
is 99.08%, recall is 99.33% and f1-score is 99.17%.

Keywords: hate speech, lexicon, machine learning, support vector machine, TikTok