| dc.description.abstract | Perkembangan teknologi informasi, khususnya media sosial, telah mengubah
cara manusia berkomunikasi dan berinteraksi. Meskipun membawa banyak
manfaat seperti kemudahan akses informasi dan peluang bisnis, media sosial juga
menimbulkan tantangan baru, salah satunya adalah maraknya komentar negatif dan
pelecehan seksual. Salah satu platform yang populer adalah TikTok, yang
memungkinkan pengguna membagikan video pendek dan menerima komentar dari
pengguna lain. Identifikasi komentar yang mengandung pelecehan seksual secara
manual menjadi sulit dilakukan karena tingginya volume komentar, penggunaan
bahasa informal, serta makna yang sering tersirat atau implisit. Untuk mengatasi
permasalahan ini, penelitian ini bertujuan mengembangkan model deteksi komentar
pelecehan seksual di TikTok dengan memanfaatkan kombinasi IndoBERT
embedding dan algoritma Long Short-Term Memory (LSTM). IndoBERT
digunakan karena kemampuannya dalam memahami konteks bahasa Indonesia,
sedangkan LSTM efektif dalam menangkap pola sekuensial dari teks. Selain itu,
untuk mengatasi ketidakseimbangan data. Penelitian ini membandingkan performa
model LSTM dalam klasifikasi teks sebelum dan sesudah penerapan SMOTE.
Tanpa SMOTE, model menunjukkan akurasi tinggi namun lemah dalam mengenali
kelas minoritas. Setelah SMOTE diterapkan, performa kelas minoritas meningkat,
meskipun akurasi keseluruhan sedikit menurun. Hasil ini menunjukkan bahwa
SMOTE dapat membantu mengatasi ketidakseimbangan data, namun
efektivitasnya tetap bergantung pada konteks. | en_US |
