Deteksi Ujaran Kebencian Pada Platform Media Sosial Menggunakan Machine Learning
Demo & Pengujian Sistem: Deteksi Ujaran Kebencian Pada Platform Media Sosial Menggunakan Machine Learning
Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Deteksi Ujaran Kebencian Pada Platform Media Sosial Menggunakan Machine Learning via TikTok.
Overview & Cara Kerja
Latar Belakang Masalah
Eskalasi interaksi digital pada berbagai platform media sosial di Indonesia telah menciptakan tantangan serius terkait penyebaran ujaran kebencian (hate speech), pelecehan daring (cyberbullying), serta provokasi bernuansa SARA dan politik. Berdasarkan regulasi Undang-Undang Informasi dan Transaksi Elektronik (UU ITE) serta pedoman moderasi komunitas global, pengelola platform digital, instansi pemerintah, dan korporasi diwajibkan menyaring konten berbahaya secara cepat guna mencegah eskalasi konflik di dunia nyata.
Namun, sistem moderasi konten konvensional berbasis penyaringan kata kunci (keyword blacklisting) atau model monolitik satu platform menghadapi kegagalan mendasar di lapangan:
- Kegagalan Pemahaman Konteks Negasi: Sistem berbasis pencocokan kata kunci tidak mampu membedakan antara ujaran bermusuhan langsung dengan kalimat sanggahan atau kritik berbobot (misalnya: membedakan antara "dia sangat korup" dengan "kebijakan ini tidak korup dan harus didukung"). Menghapus kata negasi secara sembarangan menyebabkan alarm palsu (False Positive) yang merugikan kebebasan berpendapat yang sah.
- Disparitas Karakteristik Lintas Platform (Cross-Platform Disparity): Gaya bahasa warganet Indonesia bervariasi secara tajam antarmedia sosial:
- Twitter / X: Didominasi kalimat pendek, tagar politik, akronim ekstrem, dan sindiran sarkasme.
- YouTube: Didominasi komentar video berparagraf panjang, narasi emosional bertumpuk, atau umpatan langsung terhadap tokoh publik.
- Threads: Gaya diskusi semi-formal hingga percakapan santai dengan struktur utas bertingkat. Model yang hanya dilatih pada satu platform (misal Twitter saja) terbukti mengalami penurunan performa drastis ketika diuji pada komentar YouTube atau Threads.
- Penggunaan Bahasa Gaul, Slang & Kata Typo: Warganet kerap menggunakan ejaan informal, penyingkatan kata ekstrem, pemanjangan karakter (elongated words seperti "woyyy", "rusakkk"), serta pengabaian tanda baca formal.
- Kebutuhan Model Ensemble yang Seimbang: Model linier sederhana sering kali kekurangan kapasitas dalam menangkap interaksi frasa kompleks, sementara model pohon tunggal rentan menghasilkan estimasi probabilitas yang tidak stabil pada data teks berdimensi tinggi.
Solusi & Nilai Tambah Sistem
Produk ini menghadirkan sistem intelijen moderasi konten cerdas (INDO-HATESPEECH AI Moderation Platform) yang memadukan keunggulan pemrosesan bahasa alami berbahasa Indonesia dengan arsitektur ansambel pembelajaran mesin tingkat lanjut:
- Pemanfaatan Dataset Lintas Platform Emas (21.202 Sampel): Mengintegrasikan dataset resmi Indonesian Cross-Platform Hate Speech Dataset (Zenodo DOI: 10.5281/zenodo.23301403) yang mencakup 13.959 komentar YouTube, 6.816 tweet Twitter/X, dan 427 komentar Threads.
- Pipeline Pembersihan Teks Khusus Indonesia dengan Preservasi Negasi:
- Pembersihan entitas HTML, URL, mentions
@, dan karakter tagar#. - Normalisasi pemanjangan karakter berulang (elongated words).
- Normalisasi bahasa gaul/slang media sosial menggunakan kamus leksikon terkurasi.
- Penyaringan stop words dengan perlindungan khusus pada kata-kata negasi ("tidak", "bukan", "jangan", "belum", "tak", "tanpa", "tiada") guna menjaga integritas semantik kalimat.
- Pembersihan entitas HTML, URL, mentions
- Representasi Vektor TF-IDF N-Gram Sublinear (12.000 Fitur): Menggabungkan fitur unigram dan bigram (
ngram_range=(1, 2)) dengan batas minimum frekuensi dokumen (min_df=3) dan penskalaan sublinear ($1 + \ln(\text{tf})$) untuk meredam bias dokumen panjang. - Arsitektur Soft Voting Ensemble Multimodel: Mengombinasikan 4 algoritma pembelajaran mesin unggulan dengan pembobotan probabilitas terkalibrasi:
- LightGBM Classifier (Bobot: 2) — Efisiensi pohon keputusan berbasis histogram.
- XGBoost Classifier (Bobot: 2) — Regularisasi gradien pohon yang ketat.
- Calibrated LinearSVC (Bobot: 1) — Pemisah hiperbidang linier bermargin maksimal dengan kalibrasi probabilitas sigmoid 3-fold.
- Logistic Regression Balanced (Bobot: 1) — Penyeimbang linier berbasis log-odds.
- Kinerja Pengujian Tinggi Terverifikasi: Pada himpunan data uji independen ($N = 4.241$), model Soft Voting Ensemble mencatatkan Akurasi 93.52%, Presisi 97.60% (meminimalkan kesalahan menuduh teks aman sebagai kebencian), F1-Score 87.75%, dan ROC-AUC 95.76%.
- Klasifikasi 4-Tingkat Risiko Bahaya (4-Tier Risk Assessment):
- Sangat Rendah (Aman): Probabilitas kebencian $< 25%$.
- Rendah (Diskusi Kritis Netral): Probabilitas kebencian $25% – 49.99%$.
- Sedang (Indikasi Kebencian): Probabilitas kebencian $50% – 74.99%$.
- Tinggi (Ujaran Kebencian Kuat): Probabilitas kebencian $\ge 75%$.
- Dashboard Web Interaktif Flask & Tailwind CSS: Antarmuka modern bernuansa Purple & Clean White, dilengkapi pemilih platform media sosial, 5 tombol preset studi kasus instan, tampilan token hasil pra-pemrosesan, deteksi daftar slang, visualisasi persentase probabilitas, dan RESTful API JSON.
Fitur Utama Platform
- Analisis Teks Media Sosial Real-Time: Mendeteksi potensi ujaran kebencian secara instan dengan indikator status jelas (Ujaran Kebencian vs Bukan Ujaran Kebencian / Aman).
- Pemilih Platform Target (Platform Context Selector): Memungkinkan pengguna menguji kalimat dalam konteks platform spesifik (Twitter / X, YouTube, Threads, atau Semua Platform).
- Indikator Skala Risiko 4-Tingkat: Menampilkan derajat bahaya konten digital lengkap dengan label warna dinamis (merah rose untuk ujaran kebencian dan ungu untuk teks aman).
- Inspeksi Pipeline Pembersihan & Slang Mapping: Menampilkan teks hasil pra-pemrosesan serta daftar kata slang yang berhasil dinormalisasi ke bentuk baku.
- 5 Tombol Preset Pengujian Cepat: Uji kasus langsung dengan sekali klik (Kritik Konstruktif Kebijakan, Ujaran Kebencian Slang Kasar, Apresiasi Positif Publik, Provokasi SARA Ekstrem, dan Komentar Gaul Santai).
- RESTful JSON API Terstandarisasi: Endpoint
/predict,/api/stats, dan/healthyang siap diintegrasikan ke bot moderasi WhatsApp/Telegram, sistem filter komentar website, atau dashboard analitik sosial media. - Rangkaian Automated Testing (Unittest): Berkas pengujian otomatis (
tests/test_app.py) berbasis modulunittestPython yang memvalidasi integritas model, pra-pemrosesan negasi, dan endpoint web.
Fitur Utama Project
Arsitektur & Pipeline Sistem
Alur data interaktif dari input request hingga hasil pemrosesan sistem:
Penyerapan Dataset Lintas Platform 21.202 Sampel (Twitter, YouTube, Threads)
Memuat dan memvalidasi dataset resmi multi-platform berisi 21.202 baris data komentar (13.959 YouTube, 6.816 Twitter, 427 Threads) tanpa nilai kosong (*zero missing values*).
Normalisasi Bahasa Gaul, Reduksi Elongasi & Preservasi Negasi
Membersihkan teks dari entitas HTML, mention, dan URL, menormalkan karakter berulang, memetakan bahasa gaul via kamus slang, serta mempertahankan kata negasi (*tidak, bukan, jangan*).
Ekstraksi Fitur Vektor TF-IDF N-Gram Sublinear (12.000 Dimensi)
Mentransformasikan teks bersih menjadi representasi matriks berbobot unigram dan bigram dengan batas 12.000 fitur teratas dan penskalaan sublinear TF guna mereduksi pengaruh kata repetitif.
Benchmarking 8 Algoritma Machine Learning (Tree, Linear, Naive Bayes)
Evaluasi komparatif 8 arsitektur model (Soft Voting Ensemble, LightGBM, XGBoost, LinearSVC, Logistic Regression, Multinomial NB, Complement NB, Random Forest) pada data uji independen.
Pembangunan Model Ansambel Terkalibrasi (LightGBM, XGBoost, LinearSVC, LogReg)
Mengintegrasikan 4 model terbaik dalam mekanisme Soft Voting dengan pembobotan terkalibrasi [2, 2, 1, 1], menghasilkan kurva ROC-AUC 95.76% dan Brier loss stabil.
Deployment Dashboard Web Flask-Tailwind, Skala Risiko & RESTful API
Mengintegrasikan pipeline model ke aplikasi web modern Flask dengan antarmuka responsif Tailwind CSS, visualisasi probabilitas, pemilih platform, dan endpoint REST API JSON.
Struktur Berkas & Repositori
Hierarki folder dan berkas yang disertakan dalam paket proyek ini:
deteksi-ujaran-kebencian-media-sosial-machine-learning.zip
Arsip paket ZIP lengkap berisi 100% seluruh berkas di atas siap dijalankan.
Dokumentasi Teknis
Tersedia dokumentasi teknis komprehensif untuk project ini:
Kebutuhan Sistem & Spesifikasi
Spesifikasi minimum perangkat untuk menjalankan project ini dengan lancar:
Cross-platform compatible
Lingkungan kerja teruji
Optimal untuk running service
Untuk berkas & dependensi
Pertanyaan yang Sering Diajukan (FAQ)
Jawaban ringkas terkait lisensi, akses file unduhan, dan panduan instalasi:
Bagaimana cara mendapatkan source code setelah pembayaran?
Segera setelah pembayaran lunas (PAID), berkas ZIP project dapat langsung diunduh secara instan dari halaman ini atau menu Dashboard > Pembelian & Unduhan. Salinan bukti invoice transaksi dan tautan akses juga dikirim otomatis ke alamat email Anda.
Apakah ada panduan instalasi dan dokumentasi teknis?
Ya! Setiap project di Devilda Projects menyertakan dokumentasi teknis komprehensif, arsitektur sistem, struktur database, serta instruksi langkah demi langkah cara setup environment lokal hingga siap di-run.
Bolehkah source code ini dimodifikasi untuk tugas akhir/skripsi/komersial?
Tentu saja. Pembelian lisensi memberikan Anda hak penuh untuk memodifikasi, mengkustomisasi, dan mengembangkan source code ini untuk keperluan tugas akhir, skripsi, portfolio kerja, maupun proyek komersial klien Anda.
Bagaimana jika saya mengalami kendala teknis saat instalasi?
Tim teknis Devilda siap membantu asistensi. Anda dapat berkonsultasi langsung dengan tim kami via WhatsApp CS Devilda (0878-2851-5500). Kami siap membantu kendala instalasi.
Ulasan Pembeli
Ulasan terverifikasi dari pengguna yang telah membeli project ini.
Belum ada ulasan untuk project ini.
Pembayaran aman via QRIS (Semua E-Wallet) & Virtual Account.
Yang Anda Dapatkan:
- Full Source Code Lengkap & Aset Project
- Teknologi: Python, Flask, JavaScript, Tailwind CSS
- Panduan Instalasi & Konfigurasi Lingkungan
- Seluruh Bab Dokumentasi Teknis Langkah demi Langkah
- Hak Lisensi Tugas Akhir, Skripsi & Komersial
- Akses Unduhan Berkas ZIP & Code Explorer Langsung