Deteksi Ujaran Ancaman Berbasis Website Pada Postingan Media Sosial Twitter Menggunakan Metode Convolutional Neural Network

Abstrak

Abstrak Di era teknologi zaman sekarang media sosial sangat penting bagi kehidupan manusia. Twitter merupakan media sosial yang sering digunakan oleh masyarakat khususnya di Indonesia. Twitter memiliki fungsi untuk memposting kalimat yang diunggah oleh penggunanya. Ada banyak macam postingan yang disampaikan oleh komunitas maupun masyarakat, ada yang positif, dan ada juga yang negatif. Pihak berwenang kesulitan menangani ujaran ancaman yang ada karena banyak variasi dari ujaran ancaman tersebut. Oleh karena itu sistem yang dibuat yaitu mendeteksi ujaran ancaman pada postingan media sosial twitter dengan metode klasifikasi Convolutional Neural Network. Dengan adanya sistem ini, diharapkan dapat membantu pihak yang berwenang untuk menangani kasus ujaran ancaman khususnya pada postingan Twitter. Dari hasil penelitian tugas akhir ini dalam mengklasifikasikan ujaran ancaman pada postingan Twitter mendapatkan precision sebesar 81%, recall sebesar 78%, f-1 score sebesar 79%, dan accuracy sebesar 80.63% Kata kunci : Media Sosial, Convolutional Neural Network, Ujaran Ancaman, Twitter. Abstract In today's technological era, social media is very important for human life. Twitter is a social media that is often used by people, especially in Indonesia. Twitter has a function to post sentences uploaded by its users. There are many kinds of posts submitted by the community and society, some are positive, and some are negative. The authorities have difficulty dealing with existing threat utterances because of the wide variety of threat phrases. Therefore the system created is to detect threat utterances in Twitter social media posts using the Convolutional Neural Network classification method. With this system, it is hoped that it can help the authorities to handle cases of threatening speech, especially on Twitter posts. From the results of this research, in classifying threat utterances in Twitter posts, get 81% precision, 78% recall, 79% f-1 score, and 80.63% accuracy. Keywords: Social media, Convolutional Neural Network, Threat Speech, Twitter.