KLASIFIKASI TEKS UJARAN KEBENCIAN TERHADAP AGENSI NIJISANJI MENGGUNAKAN ALGORITMA LOGISTIC REGRESSION PADA TWEET BERBAHASA INGGRIS

Abstrak

Twitter adalah platform yang populer untuk berekspresi, namun sering digunakan untuk menyebarkan ujaran kebencian. Agensi virtual Nijisanji, yang menaungi VTuber (Virtual YouTuber), sering menjadi target serangan verbal di platform ini. Penelitian ini bertujuan untuk mengembangkan model klasifikasi teks menggunakan algoritma Logistic Regression guna mendeteksi ujaran kebencian terhadap Nijisanji pada tweet berbahasa Inggris. Data tweet dikumpulkan menggunakan teknik crawling, dilabeli secara manual, dan diproses melalui tahap preprocessing yang mencakup penghapusan duplikasi, tokenisasi, stemming, dan penghapusan stopwords. Setelah preprocessing, fitur teks diekstraksi menggunakan teknik Term Frequency-Inverse Document Frequency (TF-IDF) untuk mengubah teks menjadi representasi vektor yang dapat diolah oleh model. Model Logistic Regression kemudian dilatih menggunakan data yang telah diproses dan dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score untuk memastikan efektivitasnya dalam mendeteksi ujaran kebencian. Hasil penelitian menunjukkan bahwa model ini memiliki kemampuan yang baik dalam mengidentifikasi ujaran kebencian terhadap Nijisanji, sehingga dapat membantu mengurangi beban manual dalam moderasi konten di media sosial. Model ini juga diharapkan dapat berkontribusi dalam menciptakan lingkungan digital yang lebih aman dan inklusif bagi semua pengguna. Selain itu, penelitian ini juga membuka peluang untuk mengadaptasi model yang dikembangkan ke berbagai platform media sosial lainnya dan dalam berbagai bahasa untuk mendeteksi ujaran kebencian dan konten negatif lainnya. Dengan demikian, hasil penelitian ini tidak hanya bermanfaat bagi agensi seperti Nijisanji tetapi juga dapat diterapkan secara luas untuk meningkatkan keamanan dan kenyamanan di dunia maya.