| dc.description.abstract | Pelanggaran Undang-Undang Informasi dan Transaksi Elektronik (UU ITE)
sering terjadi di media sosial termasuk platform X yang mencakup berbagai
kategori seperti pornografi, perjudian online, dan ujaran kebencian (hatespeech).
Permasalahan ini menuntut solusi untuk mengidentifikasi dan mengklasifikasikan
konten melanggar secara akurat. Penelitian ini bertujuan untuk mengklasifikasikan
kategori pelanggaran UU ITE menggunakan metode Bidirectional Long Short-
Term Memory (Bi-LSTM) yang mampu memahami konteks kata secara lebih
optimal. Dataset terdiri dari 9540 tweet berbahasa Indonesia dengan distribusi
kategori hatespeech 2198, judol 2464, pornografi 2434, dan netral 2444 yang
dikumpulkan dari 1 Oktober 2024 hingga 1 Januari 2025. Proses analisis meliputi
pre-processing data, pembentukan embedding matrix metode Word2Vec dengan
model arsiteksur CBOW, dan pembangunan model Bi-LSTM. Hasil penelitian
menunjukkan bahwa model Bi-LSTM dengan konfigurasi unit 128 dan 256
menghasilkan performa terbaik dengan validation loss rendah sebesar 0.26757 dan
validation accuracy tinggi sebesar 91.89%. Selain itu, training losssebesar 0.04727
dan training accuracy mencapai 98.59%. Hasil evaluasi menunjukkan akurasi
sebesar 93,17%, precision 93,79%, recall 93,29%, dan F1-score 93,41%. Temuan
ini menunjukkan bahwa model mampu mendeteksi pelanggaran UU ITE dengan
tingkat akurasi yang tinggi. Penelitian ini diharapkan dapat menjadi referensi bagi
pihak terkait dalam melakukan monitoring konten di media sosial, serta
berkontribusi dalam pengembangan teknologi text mining berbasis deep learning. | en_US |
