IMPLEMENTASI MODEL HYBRID CONVOLUTIONAL NEURAL NETWORK-LONG SHORT-TERM MEMORY (CNN-LSTM) UNTUK DETEKSI UJARAN KEBENCIAN PADA KOMENTAR YOUTUBE WINDAH BASUDARA

FITRI, NOVIA (2026) IMPLEMENTASI MODEL HYBRID CONVOLUTIONAL NEURAL NETWORK-LONG SHORT-TERM MEMORY (CNN-LSTM) UNTUK DETEKSI UJARAN KEBENCIAN PADA KOMENTAR YOUTUBE WINDAH BASUDARA. Diploma thesis, Universitas Nasional.

	Text COVER.pdf Download (3MB)
	Text BAB I.pdf Download (203kB)
	Text BAB II.pdf Download (276kB)
	Text BAB III.pdf Download (659kB)
	Text BAB IV.pdf Download (4MB)
	Text BAB V.pdf Download (143kB)
	Text LAMPIRAN.pdf Download (281kB)

Abstract

YouTube kini telah menjelma menjadi salah satu arena utama interaksi
digital. Namun, popularitas ini membawa sisi gelap berupa potensi penyebaran
ujaran kebencian yang masif. Mengambil studi kasus pada kanal Windah Basudara
yang kolom komentarnya selalu dibanjiri ribuan interaksi setiap hari, kebutuhan
akan sistem deteksi otomatis yang cepat dan presisi menjadi tak terelakkan.
Penelitian ini berfokus pada komparasi kinerja tiga model deep learning:
Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), serta
kombinasi keduanya (Hybrid CNN-LSTM) untuk mengklasifikasikan komentar
berbahasa Indonesia.
Menggunakan dataset sebanyak 11.917 komentar yang terbagi menjadi
label negatif (ujaran kebencian), netral, dan positif, penelitian dilakukan mulai dari
tahap pra-pemrosesan, tokenisasi, hingga word embedding. Evaluasi model
didasarkan pada metrik akurasi, presisi, recall, dan F1-score. Hasil eksperimen
menunjukkan bahwa arsitektur CNN justru mencatatkan performa paling unggul,
disusul ketat oleh model Hybrid, sementara LSTM berada di urutan terakhir. Hal
ini membuktikan bahwa untuk tipe data komentar media sosial yang cenderung
pendek dan penuh noise, CNN lebih tangguh (robust) dibandingkan model
sekuensial yang kompleks. Meskipun model Hybrid mampu menangkap konteks
urutan kata dengan baik, efisiensi komputasinya sedikit di bawah CNN. Oleh
karena itu, pendekatan berbasis CNN dinilai sebagai solusi paling optimal untuk
penerapan awal sistem deteksi ujaran kebencian di ekosistem YouTube Indonesia.

Item Type:	Thesis (Diploma)
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Delvy Aplirizani -
Date Deposited:	26 May 2026 03:11
Last Modified:	26 May 2026 03:11
URI:	https://repository.unas.ac.id/id/eprint/16298

Actions (login required)

View Item