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