Penggunaan Deep Learning untuk Mengklasifikasi Hate speech dan Good Speech Terhadap Pertamina di Platform Twitter dengan Metode Convolutional Neural Network (CNN)

Abstract

Perkembangan teknologi digital telah mengubah cara masyarakat menyampaikan pendapat, salah satunya melalui media sosial Twitter. Dalam konteks sosial dan korporat, Pertamina sebagai BUMN di sektor energi kerap menjadi sasaran opini publik, baik positif (ujaran baik) maupun negatif (ujaran kebencian). Untuk mengelola informasi tersebut, dibutuhkan sistem yang mampu mengklasifikasikan twit secara otomatis dan akurat. Penelitian ini bertujuan untuk membangun model klasifikasi teks berbasis Deep Learning, khususnya menggunakan metode Convolutional Neural Network (CNN), untuk mengidentifikasi twit yang memuat ujaran kebencian dan ujaran positif terhadap Pertamina. Data diambil dari platform Twitter dengan kata kunci terkait, kemudian melalui proses preprocessing dan pelabelan manual. Dataset yang telah dibersihkan kemudian dibagi menjadi data latih dan data uji untuk dilatih dengan arsitektur CNN. Hasil penelitian menunjukkan bahwa model CNN memiliki kinerja klasifikasi yang sangat baik, dengan akurasi validasi mencapai 98,08% dan akurasi pengujian sebesar 97,66%. Evaluasi dengan confusion matrix menunjukkan presisi dan recall yang tinggi, serta f1-score mencapai 0,98. Temuan ini menunjukkan bahwa metode CNN mampu mengidentifikasi ujaran kebencian dan ujaran positif secara akurat dalam data teks berbahasa Indonesia, terutama terkait isu-isu terkait Pertamina. Penelitian ini diharapkan dapat berkontribusi pada pengembangan sistem pemantauan media sosial dan manajemen opini publik otomatis.