Implementasi Metode CNN dalam Mengklasifikasi Berita Bohong Dan Ujaran Kebencian UU ITE Dataset

Regina Izza Aofkarina; Zaehol Fatah

Authors

Regina Izza Aofkarina Universitas Ibrahimy
Zaehol Fatah Universitas Ibrahimy

Abstract

Penelitian ini bertujuan untuk mengimplementasikan metode Convolutional Neural Network (CNN) dalam mengklasifikasikan berita bohong dan ujaran kebencian pada dataset UU ITE. Penelitian menggunakan pendekatan Knowledge Discovery in Databases (KDD) yang diimplementasikan melalui platform RapidMiner. Dataset yang digunakan berasal dari sumber terbuka Kaggle yang berisi konten digital berbahasa Indonesia terkait dengan pelanggaran UU ITE. Proses penelitian dimulai dengan tahap preprocessing data yang meliputi case folding, penghapusan karakter khusus, dan normalisasi teks. Implementasi CNN dilakukan dengan menggunakan operator Deep Learning di RapidMiner, dikonfigurasi dengan fungsi aktivasi Rectifier dan 10 epochs untuk proses pembelajaran. Evaluasi model dilakukan menggunakan metrik standar termasuk akurasi, precision, dan recall. Hasil penelitian menunjukkan bahwa model CNN mencapai akurasi sebesar 49.99%, weighted mean recall 33.33%, dan weighted mean precision 16.67%. Confusion matrix menunjukkan 3684 data terklasifikasi sebagai True Positive dan 1842 data sebagai False negative. Meskipun hasil ini mengindikasikan perlunya pengembangan lebih lanjut, penelitian ini berhasil membangun fondasi untuk sistem klasifikasi otomatis konten digital berbahasa Indonesia. Rekomendasi untuk pengembangan mencakup peningkatan kualitas dataset, optimasi parameter model, dan penerapan teknik preprocessing tambahan untuk meningkatkan akurasi klasifikasi.

Kata Kunci: Jaringan Syaraf Tiruan, Twitter, Ujaran Kebencian, Berita Palsu, RapidMiner

References

Alrasyid, H., Homaidi, A., Kom, M., Fatah, Z., & Kom, M. (2024). Comparison Support Vector Machine and Random Forest Algorithms in Detect Diabetes. 1(1), 447–453.

Arhami, M. (2024). Metodologi Penelitian Untuk Teknologi Informasi Dan Komputer.

Imaroh, Z., Irawan, A. A., & Dkk. (2023). Pertanggungjawaban Pidana Penyebaran Berita Hoax Di Media Sosial. In Hukum.

Jalil, A., Homaidi, A., & Fatah, Z. (2024). Implementasi Algoritma Support Vector Machine Untuk Klasifikasi Status Stunting Pada Balita. G-Tech: Jurnal Teknologi Terapan, 8(3), 2070–2079. https://doi.org/10.33379/gtech.v8i3.4811

MAHFI, M. R. R. (2021). Undang-Undang Informasi Dan Transaksi Elektronik (Uu Ite) Dalam Perspektif Hukum Pidana Administrasi (Administrative Penal Law). Badamai Law Journal, 5(1), 140. https://doi.org/10.32801/damai.v5i1.10055

Naquitasia, R., Fudholi, D. H., & Iswari, L. (2022). ANALISIS SENTIMEN BERBASIS ASPEK PADA WISATA HALAL DENGAN METODE DEEP LEARNING. 16, 156–164.

Nasta’in, M., Munazilin, A., & Susanto, A. (2024). Predict The Trend Of Indonesian People’s Interest In Bitcoin Facing The 2024 Bitcoin Halving Using A Forecasting Algorithm. Journal Ibrahi , 1(1), 463–468.

Nursinggah, L., Ruuhwan, R., & Mufizar, T. (2024). Analisis Sentimen Pengguna Aplikasi X Terhadap Program Makan Siang Gratis Dengan Metode Naïve Bayes Classifier. Jurnal Informatika Dan Teknik Elektro Terapan, 12(3). https://doi.org/10.23960/jitet.v12i3.4336

Romadlon, F. (2020). COVID-19 Dalam Ragam Tinjauan Perspektif. In COVID-19 Dalam Ragam Tinjauan Perspektif.

Suherdi, D., Rezky, S. F., Apdilah, D., Sinuraya, J., Sahputra, A., Syahputra, D., & Wahyuni, D. (2021). Peran Literasi Digital Di Masa Pandemik. In Cattleya Darmaya Fortuna (Vol. 123). https://is.gd/q7Wy1w