Implementasi Metode LSTM Sebagai Pendeteksi Bahasa Kasar Pada Media Sosial

Kebebasan berekspresi di media sosial sekarang ini tidak berjalan seiring dengan kesiapan literasi masyarakat, serta pengetahuan yang rendah tentang pemanfaatan media sosial sebagai alat komunikasi menyebabkan pelanggaran tindak tutur kesantunan dalam berkomunikasi di media sosial. Kebebasan berekspresi dengan mengutarakan kebencian menggunakan bahasa kasar ini sering ditemukan di media sosial. Oleh karena itu pada penelitian ini dilakukan pendeteksi bahasa kasar berdasarkan komentar di media sosial menggunakan Long Short Term Memory (LSTM). LSTM merupakan salah satu model kelanjutan dari Recurrent Neural Network (RNN). agar dapat mendeteksi Dataset yang digunakan terdiri dari tiga label yaitu Not Abusive, Abusive and Offensive, dan Abusive but Not Offensive. Hasil pengujian arsitektur LSTM didapatkan hasil bahwa arsitektur LSTM tidak mampu untuk memprediksi kelas minoritas, tetapi didapatkan kombinasi pembagian dataset berupa 70% data latih dan 30% data uji serta ukuran batch size sebesar 32, sehingga menghasilkan F1 Score terbaik sebesar 94% untuk kelas mayoritas Not Abusive.