Analisis Dan Perbandingan Klasifikasi Hate Speech Menggunakan Metode Fitur Manual SVM Dan Bert

Media sosial menjadi komunikasi utama seiring pertumbuhan populasi global. Di Indonesia, X (Twitter) menjadi platform aktif dengan tantangan serius terkait hate speech. Dalam penelitian ini, metode klasifikasi seperti Support Vector Machine (SVM) dan Bidirectional Encoder Representations from Transformers (BERT) diterapkan untuk mengatasi permasalahan yang terjadi. Penelitian ini menggunakan pendekatan kuantitatif untuk membandingkan kinerja metode klasifikasi SVM dan BERT. Evaluasi yang dilakukan menggunakan metrik-metrik seperti akurasi, presisi, recall, dan F1-Score, yang merupakan alat untuk mengukur seberapa baik kedua metode tersebut dalam mengidentifikasi konten ujaran kebencian di platform media sosial X (Twitter). Penelitian ini bertujuan membandingkan performa SVM dengan fitur manual dan BERT dengan pemrosesan bahasa alami end-to-end menggunakan data yang dihasilkan oleh evaluasi, sehingga dapat disimpulkan metode mana yang memiliki kinerja lebih baik. Data yang digunakan mencakup 13169 data ujaran kebencian dari X (Twitter). Hasil menunjukkan perbedaan signifikan, diketahui bahwa BERT mencapai akurasi 98%, sedangkan SVM hanya 81%. BERT juga menunjukkan presisi, recall, dan F1-Score signifikan masing- masing 96%, 100%, dan 98%. Ini menandakan metode BERT memiliki performa lebih baik dari SVM dalam mengenali dan membedakan ujaran kebencian.