Deteksi Ujaran Ancaman Berbasis Website Pada Media Sosial Twitter Menggunakan Metode Support Vector Machine

Abstract

Abstrak
Ancaman dapat datang darimana saja bahkan dari media sosial, dan termasuk dalam ujaran
kebencian. Karena adanya ancaman, muncul kegelisahan dan ketakutan yang pada akhirnya akan
meningkatkan kewaspadaan kita pada suatu ancaman. Suatu ancaman dapat datang dalam bentuk
apa saja, baik itu ancaman penculikan, ancaman kekerasan, hingga ancaman pembunuhan. Pada
umumnya, seseorang yang melakukan tindakan ancaman, identitasnya tidak diketahui atau bersifat
anonymous dan misterius. Dalam UU ITE terdapat aturan dalam bermedia sosial, yang membuat
pengguna media sosial tidak dapat seenaknya melakukan unggahan yang berisi ancaman atau
intimidasi hingga persekusi. Pada Tugas Akhir ini, penulis merancang aplikasi website yang
digunakan untuk mendeteksi ujaran ancaman pada postingan dari media sosial Twitter. Pada
perancangan ini, penulis menggunakan metode dari machine learning yaitu Support Vector
Machine. Dan hasil program pada sistem pendeteksi ujaran ancaman pada postingan Twitter yang
dibuat mendapatkan akurasi sebesar 73%, precision 72%, recall 62,67%, f-1 score 61,16%.
Kata kunci : ancaman, media sosial, machine learning, Support Vector Machine
Abstract
Threats can come from anywhere even from the social media, and it is also part of hate speech.
Because of threat, anxieties and fears arise which ultimately will increase our awareness of a
threat. A threat can come in any form, whether it is a threat of kidnapping, threat of violence, or
threat of murder. In general, someone who do an act of threat, his identity will remained
anonymous and mysterious. In the ITE Law, there are rules in the social media. So that the users
of social media cannot uploads that contains a threat carelessly, or intimidation even persecution.
In this Final Project, the author designed a website application to detect a threat utterances on
Twitter social media. In this design, the authors use a method from machine learning, named
Support Vector Machine. And the results of the program on the threat speech detection system on
Twitter posts maded to get an accuracy of73 %, precision of 72%, recall of 62,67%, f-1 score of
61,16%.
Keywords: threat, social media, machine learning, Support Vector Machine