Klasifikasi Komentar Rasis Menggunakan Bidirectional Long Short-Term Memory - Convolutional Neural Network Berbasis Ekstensi Web Browser
Klasifiikansi Komentar Rasis Menggunkan Bidirectional Panjang Memori Pendek-Term - Konvolutional Netar Berbasis Ekstensi Peramban Web
Tahun 2025 · Penulis: Firdaus Putra Maulidyanu
Faculty of Computer Science, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/14307
Skripsi kelompok: digabung dari 2 unggahan dengan isi yang sama.
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Klasifiikansi Komentar Rasis Menggunkan Bidirectional Panjang Memori Pendek-Term - Konvolutional Netar Berbasis Ekstensi Peramban Web
Rasisme masih merupakan isu sosial yang serius yang muncul dari keanekaragaman budaya di negara-negara multikultural seperti Indonesia. Tindakan rasisme dapat muncul dalam berbagai bentuk, termasuk pernyataan rasis yang disampaikan secara online. Platform media sosial seperti Instagram Comment Bagian sering menjadi ruang rentan untuk perilaku seperti itu. Masalah ini lebih parah lagi oleh sistem moderasi Instagram, yang belum cukup efektif dalam menyaring komentar rasis. Penelitian ini bertujuan untuk mengembangkan sistem yang menggolongkan komentar rasis di Instagram dengan mengimplementasikan sebuah Proses Bahasa Alam (NLP) berbasis model menggunakan algotism BiLSTM-CNN dalam sebuah Ekstensi Peramban Web yang beroperasi di halaman komentar Instagram. Dengan mengintegrasikan ekstensi peramban dengan model sebagai backend, sistem dapat mengklasifikasikan komentar teks pendek secara efisien yang umumnya ditemukan di Instagram. Penggunaan ekstensi peramban juga berfungsi sebagai solusi praktis karena kurangnya API yang dapat diakses di Instagram, memungkinkan manipulasi elemen web (HTML) untuk menerapkan hasil klasifikasi langsung pada frontend platform. Model dievaluasi menggunakan Matrix Kebingungan dan melalui tiga skenario penipisan data: 70%-30%, 80%-20%, dan 90%-10%. 90%-10% mencapai kinerja tertinggi dengan akurasi 0.91, melebihi pembagian lainnya (0.89 untuk 80%-20% dan 0.88 untuk 70%-30%). Dengan keakuratan tinggi, hasil evaluasi yang kuat, dan kemampuan mengklasifikasikan komentar melalui ekstensi peramban pada platform web Instagram, sistem ini diharapkan dapat berfungsi sebagai alat alternatif yang efektif untuk membantu pengguna menyaring komentar rasis dan mengembangkan lingkungan media sosial yang lebih sehat.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,822
Tahun 2026 · Penulis: Mahesa Riski Pratama
Klasifikasi Komentar Promosi Judi Online pada Platform Youtube Menggunakan Distilbert
Perkembangan media sosial, khususnya YouTube, telah membuka peluang interaksi digital yang luas, tetapi juga memunculkan berbagai bentuk penyalahgunaan, salah satunya penyebaran promosi judi online melalui kolom komentar. Permasalahan ini semakin kompleks kare
- Cosine 0,804
Tahun 2026 · Penulis: Resi Frella Angrestu
Sistem Ekstraksi Keluhan Tempat Wisata dari Komentar Google-Maps Menggunakan IndoBERT dan POS Tagging
Google Maps mengomentari bukan hanya digunakan oleh wisatawan sebagai referensi dalam memilih tujuan, tetapi juga mencerminkan kepuasan dan keluhan pengunjung. Keluhan yang tidak berpakaian dapat mengurangi peringkat tujuan, mempengaruhi keputusan turis lainny
- Cosine 0,799
Tahun 2026 · Penulis: Nurul Hadits
Pengembangan Ekstensi Peramban Berbasis Fine-Tuning Indobert untuk Identifikasi Komentar Bermuatan Judi di Platform Youtube
Pertumbuhan cepat media sosial telah menciptakan kesempatan untuk penyebaran konten berbahaya, termasuk promosi judi online di bagian komentar YouTube. Komentar promosi seperti sering disamarkan menggunakan bahasa yang tidak standar, singkatan, simbol, dan eks