Penerapan Metode Long Short Term Memory Untuk Klasifikasi Pada Hate Speech

Abstract

Hate Speech atau ujaran kebencian merupakan tindakan seseorang atau kelompok dalam bentuk provokasi atau hinaaan kepada seseorang atau kelompok lain dalam berbagai faktor seperti suku, agama, ras, antar golongoan, gender, cacat, warna kulit, kewarganegaraan dan orientasi seksual yang dapat dilakukan dengan berbagai cara. Maka dilakukan penelitian dengan membentuk model pendeteksi Hate Speech menggunakan Metode Long Short Term Memory (LSTM). Metode LSTM merupakan suatu metode Deep Learning yang mampu mengingat informasi dari masa lalu dalam proses pembelajaran modelnya. Pada penelitian ini dataset didapat dari website kaggle dengan jumlah 13170 data. Dimana dataset tersebut dipisah menjadi 2 yaitu data latih dan data validasi dengan rasio perbandingan data latih dan data validasi sebesar 80% : 20%.
 Hasil pengujian menunjukkan bahwa : 1) Metode LSTM dapat diterapkan pada model untuk proses klasifikasi pada hate speech menggunakan data dari situs kaggle yaitu Indonesian Abusive and Hate Speech. Model yang dibentuk terdiri dari Embedding Layer, LSTM Layer, 2 Dense Layer dengan fungsi aktivasi ReLu, Dropout Layer dan Fully Connected Layer dengan fungsi aktivasi softmax dan fungsi rugi Binary Cross Entropy, 2) Model memiliki peforma terbaik dengan menggunakan 256 neuron LSTM. Akurasi yang diperoleh pada data latih sebesar 86.23% dan akurasi pada data validasi sebesar 87.10% dengan epoch sebanyak 10.