Klasifikasi Kata Kasar dan Ujaran Kebencian Dalam Teks Online Menggunakan Metode RFDT

Media sosial dan platform online telah menjadi sarana penting bagi masyarakat untuk menyampaikan pendapat di era digital yang terus berkembang. Namun, ujaran kebencian dan penggunaan bahasa kasar dalam teks online semakin meningkat akibat penyalahgunaan platform ini. Fenomena ini memiliki konsekuensi negatif yang signifikan, seperti memecah belah komunitas dan keselamatan individu. Oleh karena itu, penelitian dan pengembangan metode klasifikasi yang efektif untuk mendeteksi bahasa kasar dan ujaran kebencian dalam teks online menjadi semakin penting dalam mengatasi masalah kompleks ini. Salah satu metode yang menjanjikan dalam menangani masalah ini adalah klasifikasi dengan machine learning. Penelitian ini bertujuan mengembangkan aplikasi web menggunakan machine learning untuk mengklasifikasikan bahasa kasar dan ujaran kebencian dalam teks online menggunakan algoritma Random Forest Decision Tree (RFDT), K-nearest Neighbours (KNN), dan Multinomial Naïve Bayes (MULTINOMIALNB). Aplikasi ini diimplementasikan menggunakan NodeJs. model RFDT dengan teknik transformasi data ChainClassifier (CC) memiliki akurasi terbaik dengan akurasi 67%, F1-Score 0.717, dan HammingLoss 0.093