Klasifikasi Ujaran Kebencian pada Media Sosial Instagram Menggunakan Pendekatan Transfer Learning dengan Fine-Tuning IndoBERT

Abstrak

Media sosial Instagram telah berkembang menjadi salah satu platform interaksi digital terbesar di Indonesia. Namun, kebebasan berinteraksi ini sering disalahgunakan untuk menyebarkan ujaran kebencian yang dapat memicu konflik sosial dan dampak psikologis negatif. Tantangan utama dalam mendeteksi ujaran kebencian secara otomatis adalah kompleksitas bahasa Indonesia yang tidak baku, penggunaan singkatan, serta konteks kalimat yang ambigu. Penelitian ini mengusulkan pendekatan Transfer Learning menggunakan model bahasa pre-trained IndoBERT (Indonesian Bidirectional Encoder Representations from Transformers) yang di-fine-tune untuk mengklasifikasikan komentar Instagram ke dalam dua kelas: ujaran kebencian dan bukan ujaran kebencian. Dataset yang digunakan terdiri dari 14.306 data. Proses evaluasi model dilakukan menggunakan Confusion Matrix dan kurva ROC-AUC (Receiver Operating Characteristic - Area Under the Curve). Hasil penelitian menunjukkan bahwa model IndoBERT mampu mengenali pola bahasa kompleks dengan performa yang baik, mencapai Akurasi sebesar 90% dan F1-Score sebesar 90%. Selain itu, nilai AUC sebesar 0.9504 menunjukkan kemampuan model yang sangat baik dalam memisahkan kelas ujaran kebencian atau bukan. Penelitian ini membuktikan bahwa teknik fine-tuning pada model transformer berbahasa Indonesia efektif untuk memitigasi penyebaran komentar toksik di platform Instagram.