PENERAPAN PARTICLE SWARM OPTIMIZATION PADA DETEKSI UJARAN KEBENCIAN DALAM PLATFORM TWITTER

Abstract

Media sosial telah menjadi sarana komunikasi yang sangat umum dipakai. Media sosial daring kini telah luas digunakan untuk pemasaran, pariwisata, dan juga penyebaran berita.  Tingginya angka pengguna media sosial juga meningkatkan kemungkinan terdapatnya ujaran kebencian pada media tersebut.  Ujaran kebencian adalah suatu bentuk tindakan komunikasi dalam bentuk provokasi, hasutan, atau hinaan kepada suatu individu atau kelompok dalam hal suku, agama, ras, kewarganegaraan dan lainnya. Riset ini mengumpulkan data cuitan dari Twitter menggunakan Application Programming Interface yang sudah disediakan oleh Twitter. Cuitan tersebut disimpan dan ditandai secara manual mana yang termasuk ujaran kebencian, dan mana yang bukan. Data cuitan diklasifikasi menggunakan metode Random Forest, k-Nearest Neighbour, Naïve Bayes dan Support Vector Machine. Hasil klasifikasi dicatat dan dilanjutkan dengan penerapan Particle Swarm Optimiziation. Hasil penerapan PSO dibandingkan dan didapati bahwa nilai akurasi yang tertinggi didapat oleh metode SVM yang dioptimasi dengan PSO dengan nilai akurasi sebesar 75.49%. Sedangkan metode Naïve Bayes memiliki kenaikan akurasi paling tinggi setelah dioptimasi sebesar 4.02%.