| dc.description.abstract | Pelecehan seksual yang terjadi di ranah media sosial semakin meningkat,
terutama dalam bentuk Kekerasan Berbasis Gender Online (KBGO) yang
menggunakan teknologi informasi dan komunikasi (TIK). Menurut UNHCR,
pelecehan seksual adalah perilaku seksual yang tidak diinginkan dan dianggap
sebagai bentuk kejahatan. Meskipun kasus KBGO menurun 25% dari tahun
sebelumnya, ancaman ini tetap signifikan. Penelitian ini menggunakan metode
klasifikasi bidirectional LSTM berbasis Contextual Embedding untuk menganalisis
pola KBGO di Instagram. BiLSTM merupakan arsitektur jaringan saraf yang
menggabungkan dua hidden neuron LSTM menjadi final state untuk memberikan
konteks dari masa lalu (forward) dan masa mendatang (backward). Word2Vec
digunakan sebagai teknik contextual embedding untuk merepresentasikan kata
berdasarkan konteks sekitarnya dalam kalimat, sehingga memungkinkan model
memahami makna kata dalam berbagai situasi secara lebih akurat. Hasil analisis
menunjukkan bahwa komentar KBGO didominasi oleh kata-kata melecehkan.
Model BiLSTM dengan embedding Skipgram menunjukkan performa terbaik
dengan akurasi 80% pada data uji. Model efektif dalam mengidentifikasi komentar
KBGO, meskipun terdapat tantangan berupa konteks komentar yang ambigu dan
keterbatasan korpus. Hyperparameter tuning dengan Hyperband meningkatkan
efisiensi dan kinerja model secara signifikan. | en_US |
