Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRACTSkripsi ini membahas tentang pengkategorisasian para pelaku hate speech di Facebook terkait dengan Basuki Tjahaya Purnama Alias Ahok yang saat itu menjabat sebagai Gubernur DKI Jakarta. Penelitian ini adalah penelitian kualitatif dengan analisis deskriptif. Hasil penelitian menyebutkan bahwa meskipun Ahok adalah objek dari hate speech ini, namun namun yang menjadi target paling banyak justru masyarakat umum yang mendukung Ahok, atau masyarakat umum yang menolak Ahok. Oleh karena itu penelitian ini menyarankan agar pihak pemerintah dan media sosial saling bekerjasama untuk mengkaji hate speech di Facebook secara lebih mendalam, terutama berkaitan dengan identitas asli pelaku hate speech. Hal ini jika diharapkan dapat memberikan petunjuk terkait dengan siapa identitas pelaku, sehingga pihak penegak hukum dapat melakukan penindakan secepatnya, dan kasus hate speech di Facebook dapat berkurang secara signifikan.

---

ABSTRACTThis Thesis discussing the categorization of hate speechs perpetrators on Facebook related to Basuki Tjahaya Purnama Ahok who is an ex Jakarta Governor. This research is a qualitative research with descriptive analysis. The results showed that even if Ahok is the subject of the hate speech, but most of the victims are people who support or against Ahok. Thus, this research suggest the government to cooperate with social media Facebook to research and reviewing hate speech more deeply. Hopefully this research will give clues about who is the perpetrators real identity, so that law enforcers could action as soon as possible, and hate speech on Facebook will reduced significantly. ni"

"Untuk membantu proses pembelajaran, memperoleh informasi, dan berkomunikasi, mahasiswa membutuhkan sarana yang dapat memenuhi kebutuhan tersebut, salah satunya adalah media sosial. Namun, penggunaan media sosial memiliki dampak negatif, salah satunya yaitu munculnya ujaran kebencian. Ujaran kebencian dapat berdampak negatif bagi kondisi psikologis mahasiswa dan menurunkan kesejahteraan subjektif. Maka, penelitian ini bertujuan untuk melihat hubungan antara ujaran kebencian di media sosial dengan kesejahteraan subjektif dari dua sudut pandang, yaitu sudut pandang pelaku ujaran kebencian dan sudut pandang yang mengungkap ujaran kebencian. Sebanyak 200 mahasiswa (M=21.39, SD=1.021) berpartisipasi dalam penelitian ini. Penelitian ini menggunakan metode penelitian korelasional untuk melihat hubungan kedua variabel. Alat ukur The PERMA-Profiler untuk mengukur kesejahteraan subjektif dan alat ukur kecenderungan melakukan ujaran kebencian untuk mengukur perilaku ujaran kebencian yang digunakan dalam penelitian ini. Berdasarkan uji korelasi yang dilakukan menggunakan teknik analisis Pearson Correlation, ditemukan bahwa tidak ada hubungan positif dan signifikan antara ujaran kebencian dengan kesejahteraan subjektif dari sudut pandang pelaku (r = -0.078, p > 0.05) dan tidak ada hubungan positif dan signifikan antara kebencian berbicara dengan kesejahteraan subjektif dari sudut pandang yang terpapar (r = 0.073, p > 0.05). Artinya, ditemukan bahwa tidak ada hubungan antara ujaran kebencian dengan kesejahteraan subjektif pada mahasiswa.

---

To help the learning process, obtain information, and communicate, students need tools that can meet these needs, one of which is social media. However, the use of social media has a negative impact, one of which is the emergence of hate speech. Hate speech can negatively affect a student's psychological condition and degrade subjective well-being. Thus, this study aims to see the relationship between hate speech on social media and subjective welfare from two points of view, namely the point of view of the perpetrator of hate speech and the point of view that reveals hate speech. A total of 200 students (M= 21.39, SD= 1,021) participated in this study. This study used a correlational research method to see the relationship between the two variables. The PERMA-Profiler measuring instrument for measuring subjective well-being and the tendency to measure hate speech to measure hate speech behavior were used in this study. Based on the correlation test conducted using the Pearson Correlation analysis technique, it was found that there was no positive and significant relationship between hate speech and subjective well-being from the perpetrator's point of view (r = -0.078, p > 0.05) and there was no positive and significant relationship between hate speech and subjective well-being from the exposed point of view (r = 0.073, p > 0.05). Which means, it was found that there is no relationship between hate speech and subjective well-being in students."

"Penyebaran konten ujaran kebencian berpotensi memunculkan kekerasan fisik dan konflik sosial. Terlepas dari meningkatnya kesadaran masyarakat terhadap dampak yang merugikan akibat ujaran kebencian di media sosial, hanya sedikit konsensus yang memusatkan perhatian pada pendekatan untuk menguranginya. Disertasi ini bertujuan merumuskan model pengendalian sosial melalui analisis pola dan efektivitas penanganan ujaran kebencian secara daring di media sosial dengan menggunakan parameter efektivitas regulasi dari Evan (1990). Berbeda dengan beberapa penelitian terdahulu, terutama di negara Barat yang fokus pada hak kebebasan berpendapat, penelitian ini mengedepankan pendekatan toleransi dalam menganalisis pengendalian terhadap ujaran kebencian secara daring di Indonesia. Melalui pendekatan kualitatif, pertanyaan penelitian dijawab dengan beberapa teknik analisis, termasuk teknik Delphi yang merumuskan konsensus dari para ahli untuk model pengendalian sosial yang efektif. Hasil yang ditemukan dari penelitian ini, antara lain; terdapat pola berbeda dalam tindakan ujaran kebencian secara daring yang dilakukan oleh individu dengan kelompok, regulasi dan penanganan kasus penyebaran ujaran kebencian secara daring selama ini tidak efektif, tidak adanya kolaborasi institusi formal dan informal dalam pengendalian ujaran kebencian, dan fokus program belum menyentuh akar masalah munculnya ujaran kebencian. Akhirnya, penelitian ini berkontribusi memberikan kebaruan terhadap model efektif dalam pengendalian sosial terhadap ujaran kebencian secara daring yang fokus pada peningkatan sosialisasi, edukasi, dan fasilitasi.

---

Hate speech content dissemination can lead to physical violence and social conflict. Despite heightened awareness of the deleterious impact of online hate speech, particularly on social media platforms, there is little consensus on an approach to control it. This dissertation aims to construct a model of social control through online hate speech patterns and regulation evaluation using regulatory effectiveness parameters from Evan (1990). Unlike previous studies, especially research about online hate speech in western countries that focus on the right to freedom of speech, this research promotes a tolerance-based approach in analyzing social control against online hate speech in Indonesia. Through a qualitative approach, research questions were answered by several techniques, including the Delphi method outlining the consensus from experts for an effective model of social control against online hate speech. The findings of this study are: there are differences in patterns in online hate speech carried out by individuals and groups, existing regulation and the handling of online hate speech cases has been ineffective, there is no collaboration between formal or informal institutions in controlling hate speech, and yet the focus of program has not touched the root of hate speech. Finally, this research contributes to the novelty of an effective model of social control against online hate speech, which focuses on socialization, education, and facilitation."

"Ujaran kebencian (hate speech) adalah tindakan komunikasi yang dilakukan seorang individu atau kelompok dalam bentuk provokasi, hasutan, atau hinaan terhadap individu atau kelompok lain terkait berbagai aspek, di antaranya yaitu warna kulit, etnis, gender, orientasi seksual, agama atau lainnya. Di Indonesia, ujaran kebencian semakin masif terjadi terutama di tahun 2017 yang disebut sebagai tahun ujaran kebencian. Di tahun yang sama, aparat pemerintah pun semakin serius untuk menangani ujaran kebencian, terutama di media sosial Facebook yang menjadikan Presiden Joko Widodo sebagai sasaran utama. Oleh karena itu, penelitian ini fokus pada penanganan ujaran kebencian terhadap Presiden Joko Widodo di Facebook pada 2017 berdasarkan UU Nomor 19 Tahun 2016 tentang Informasi dan Transaksi Elektronik. Penelitian ini menggunakan teori implementasi kebijakan publik Merilee S Grindle yang menekankan bahwa keberhasilan implementasi dipengaruhi oleh dua variabel besar, yakni isi kebijakan (content of policy) dan konteks implementasi (context of implementations). Dengan metode kualitatif, penelitian ini fokus pada sepak terjang kelompok Saracen yakni kelompok yang merupakan sindikat penyebar ujaran kebencian dan hoaks. Ada tiga kasus ujaran kebencian terkait kelompok Saracen yang diteliti. Ketiga kasus tersebut menggambarkan implementasi UU 19/2016 tentang ITE lewat regulasi turunan yang dibuat oleh Polri dan Kementerian Komunikasi dan Informatika. Dari penelitian ini dapat diketahui adanya persoalan teknis dalam penanganan ujaran kebencian di 2017. Selain itu, penelitian ini memperlihatkan adanya pesan politis lebih besar yakni memberikan peringatan sekaligus rasa takut pada para pengunggah ujaran kebencian tetapi disaat yang sama justru memunculkan ancaman terhadap hak kebebasan berpendapat. 

---

Hate speech is speech which attacks others on grounds of their race, nationally, religious identity, gender, sexual orientation or other group membership, where this group membership is a morally arbitrary distinguishing characteristic. In Indonesia, hate speech is increasingly massive occurring especially in 2017. The year even referred to as the year of hate speech. In the same year, government officials become more serious to tackle hate speech. Especially in social media such as Facebook who targeting President Joko Widodo. Thus, this study focuses on the managing of hate speech against Joko Widodo on Facebook in 2017 under Law No. 19 of 2016 on Electronic Information and Transactions (UU ITE). With qualitative methods, this study focuses on Saracens group who had known as a syndicate of hate speech and hoax in Indonesia. There are three cases of hate speech related to the Saracen group being researched with politic of policy implementations theory. It described how Law 19/2016 of the ITE is implemented through derivative regulations created by the National Police and the Ministry of Communication and Informatics. This study also described technical issues about how government officials mistreated hate speech in 2017. Moreover, it showed bigger political messages about how government officials can be threatening freedom of expression.                                                                                                         "

"Ujaran kebencian merupakan perkataan, perilaku, tulisan, ataupun pertunjukan yang dilarang karena dapat memicu terjadinya tindakan kekerasan, diskriminasi, permusuhan atas dasar suku, agama, ras dan antargolongan (SARA). Salah satu faktor lemahnya penegakan hukum terhadap fenomena ujaran kebencian yaitu terletak pada pengaturan mengenai ujaran kebencian itu sendiri, dimana terdapatketidakjelasan parameter dalam pengaturannya. Akibat dari ketidakjelasan parameter tersebut, maka kepastian hukum terkait ujaran kebencian akan sulit dicapai selain itu akan semakin besar kemungkinan terjadinya kesewenangwenangan. Penelitian ini ditujukan untuk mengetahui dan memahami bagaimanakah sejarah peraturan tentang ujaran kebencian di Indonesia, apa yang menjadi parameter suatu perbuatan termasuk sebagai ujaran kebencian (hate speech) serta praktik penegakan hukum terhadap tindak pidana ujaran kebencian (hate speech) di Indonesia. Melalui penelitian Yuridis-Normatif denganpendekatan sejarah, undang-undang dan konseptual, maka penelitian ini menghasilkan tiga kesimpulan yaitu: 1. Sejarah peraturan tindak pidana ujaran kebencian (hate speech) di Indonesia sesungguhnya berasal dari British Indian Penal Code yang saat itu berlaku di India yang dijajah oleh Inggris. Berdasarkan Traktat London, semua jajahan Perancis diserahkan ke tangan Inggris. Belandayang merupakan jajahan Perancis kemudian jatuh ke tangan Inggris, maka Inggrislah yang membawa pasal tersebut ke Belanda, kemudian Belanda menerapkan pasal tersebut ke Indonesia karena dianggap memiliki kesamaan dengan India yang memiliki ragam kultur dan agama. 2. Parameter ujarankebencian yaitu perbuatan yang dilakukan di muka umum; bersifat permusuhan, penghinaan atau merendahkan, dan kebencian; dilakukan dengan sengaja baik langsung maupun tidak langsung; menimbulkan terjadinya kerusuhan yangmenyebabkan terjadinya kerugian materiil, immateriil dan jiwa. 3. Penegakan hukum terhadap tindak pidana ujaran kebencian berdasarkan analisis dari tujuh putusan ialah bahwa hakim kurang memberikan tafsiran dan argumen terhadap unsur pasal yang tidak jelas tersebut dan ada hakim yang memperluas makna golongan menjadi tidak sesempit pada suku, agama dan ras saja.

---

Hate speech is a word, behavior, writing, or show that is prohibited because it can trigger acts of violence, discrimination, animosity on the basis of ethnicity,religion, race and intergroup (SARA). One factor that is weak law enforcement against the phenomenon of hate speech is located in the regulation of the hate speech itself, where there are unclear parameters in the regulation. As a result of the unclear parameters, the legal certainty related to hate speech will be difficult to achieve other than that the greater the possibility of arbitrariness. This research is intended to find out and understand how the history of regulations regarding hate speech in Indonesia, what is the parameter of an act including hate speech and law enforcement practices against hate speech in Indonesia. Through juridical-normative research with historical, legal and conceptual approaches, this research resulted in three conclusions, namely: 1. The history ofhate speech regulations in Indonesia actually originated from the British Indian Penal Code which was then in force in India which was colonized by the British. Based on the London Treaty, all French colonies were handed over to the British. The Netherlands which was a French colony then fell into the hands of the British, then it was England who brought the article to the Netherlands, then the Dutchapplied the article to Indonesia because it was considered to have similarities with India which had a variety of cultures and religions. 2. Parameters of hate speech, namely acts committed in public; hostility, humiliation or humiliation, and hatred; done intentionally both directly and indirectly; lead to riots that cause material, immaterial and life losses. 3. law enforcement against hate speech based on an analysis of the seven decisions is that the judge does not provide interpretations and arguments about the unclear elements of the article and there are judges who expand the meaning of groups to be not as narrow as ethnic, religious and racial only."

"Ujaran kebencian merupakan ujaran yang dapat menimbulkan kebencian. Fenomena ujaran kebencian dapat muncul dalam berbagai konteks, seperti hukum, psikologi, hingga olahraga, terutama sepak bola. Tulisan ini bertujuan untuk mengetahui/menjelaskan bentuk ujaran kebencian dan medan makna yang digunakan oleh suporter sepak bola ketika menuturkan ujaran kebencian di kolom komentar media sosial Instagram. Metode yang digunakan dalam penelitian ini adalah deskriptif kualitatif. Data dalam penelitian ini adalah komentar suporter sepak bola yang berisi ujaran kebencian di kolom komentar media sosial Instagram. Sumber data penelitian ini berasal dari kolom komentar dalam unggahan foto di akun Instagram @plesbol.inc selama periode 1—29 Februari 2024. Pengumpulan data dilakukan pada 1—10 Maret 2024 dengan memilih 100 komentar, baik dalam bentuk frasa maupun kalimat. Analisis data dilakukan dengan tiga tahapan, yaitu mengidentifikasi makna literal dan kontekstual, mengidentifikasi bentuk ujaran kebencian, serta mengidentifikasi medan makna dari masingmasing data yang sudah dikumpulkan. Hasil analisis menunjukkan tiga bentuk ujaran kebencian yang berbeda, yaitu menghina, mengumpat, dan mencemarkan nama baik. Hasil analisis juga menunjukkan terdapat sebelas medan makna yang digunakan, yaitu sifat/ keadaan, binatang, kekerabatan, benda, aktivitas, pelaku kegiatan, anggota tubuh, perilaku komunikasi, penyakit, makhluk halus, dan penampilan fisik.

---

Hate speech is speech that can cause hatred. The phenomenon of hate speech can appear in various contexts, such as law, psychology, and sports, especially soccer. This paper aims to find out/explain the form of hate speech and the meaning field used by soccer supporters when saying hate speech in the Instagram social media comment section. The method used in this research is descriptive qualitative. The data in this study are soccer supporters' comments containing hate speech in the Instagram social media comment section. The data source of this research comes from the comments column in photo uploads on the @plesbol.inc Instagram account during the period February 1—29, 2024. Data collection was carried out on March 1—10, 2024 by selecting 100 comments, both in the form of phrases and sentences. Data analysis was carried out in three stages, namely identifying literal and contextual meanings, identifying forms of hate speech, and identifying the meaning field of each data that has been collected. The results of the analysis show three different forms of hate speech, namely insulting, swearing, and defaming. The results of the analysis also show that there are eleven fields of meaning used, namely nature/condition, animal, kinship, object, activity, actor, limb, communication behavior, disease, ethereal creature, and physical appearance."

"ABSTRAKPenyebaran ujaran kebencian dan ujaran kasar di media sosial merupakan hal yang harus diidentifikasi secara otomatis untuk mencegah terjadinya konflik masyarakat. Selain itu, ujaran kebencian mempunyai target, golongan, dan tingkat tersendiri yang juga perlu diidentifikasi untuk membantu pihak berwenang dalam memprioritaskan kasus ujaran kebencian yang harus segera ditangani. Tesis ini membahas klasifikasi teks multi label untuk mengidentifikasi ujaran kasar dan ujaran kebencian disertai identifikasi target, golongan, dan tingkatan ujaran kebencian pada Twitter berbahasa Indonesia. Permasalahan ini diselesaikan menggunakan pendekatan machine learning menggunakan algoritma klasifikasi Support Vector Machine (SVM), Naïve Bayes (NB), dan Random Forest Decision Tree (RFDT) dengan metode transformasi data Binary Relevance (BR), Label Power-set (LP), dan Classifier Chains (CC). Jenis fitur yang digunakan antara lain fitur frekuensi term (word n-grams dan character n-grams), fitur ortografi (tanda seru, tanda tanya, huruf besar/kapital, dan huruf kecil), dan fitur leksikon (leksikon sentimen negatif, leksikon sentimen positif, dan leksikon kasar). Hasil eksperimen menunjukkan bahwa secara umum algoritma klasifikasi RFDT dengan metode transformasi LP memberikan akurasi yang terbaik dengan waktu komputasi yang cepat. Algoritma klasifikasi RFDT dengan metode transformasi LP menggunakan fitur word unigram memberikan akurasi sebesar 66,16%. Jika hanya mengidentifikasi ujaran kasar dan ujaran kebencian (tanpa disertai identifikasi target, golongan, dan tingkatan ujaran kebencian), algoritma klasifikasi RFDT dengan metode transformasi LP menggunakan gabungan fitur word unigram, character quadgrams, leksikon sentimen positif, dan leksikon kasar mampu memberikan akurasi sebesar 77,36%.

---

Hate speech and abusive language spreading on social media needs to be identified automatically to avoid conflict between citizen. Moreover, hate speech has target, criteria, and level that also needs to be identified to help the authority in prioritizing hate speech which must be addressed immediately. This thesis discusses multi-label text classification to identify abusive and hate speech including the target, category, and level of hate speech in Indonesian Twitter. This problem was done using machine learning approach with Support Vector Machine (SVM), Naïve Bayes (NB), and Random Forest Decision Tree (RFDT) classifier and Binary Relevance (BR), Label Power-set (LP), and Classifier Chains (CC) as data transformation method. The features that used are term frequency (word n-grams and character n-grams), ortography (exclamation mark, question mark, uppercase, lowercase), and lexicon features (negative sentiment lexicon, positif sentiment lexicon, and abusive lexicon). The experiment results show that in general RFDT classifier using LP as the transformation method gives the best accuracy with fast computational time. RFDT classifier with LP transformation using word unigram feature give 66.16% of accuracy. If only for identifying abusive language and hate speech (without identifying the target, criteria, and level of hate speech), RFDT classifier with LP transformation using combined fitur word unigram, character quadgrams, positive sentiment lexicon, and abusive lexicon can gives 77,36% of accuracy.

"

"Penulisan ini mengangkat permasalahan diskriminasi yang dialami minoritas di ranah politik dengan studi kasus ujaran kebencian yang dialami Basuki Tjahaja Purnama atau Ahok menjelang Pilkada Jakarta 2017. Melalui penulisan ini, penulis bertujuan untuk menjelaskan apa yang menjadi sebab ujaran kebencian terhadap Ahok, seorang Tionghoa dan Kristen, di Indonesia menjelang Pilkada Jakarta 2017. Metode penulisan ini menggunakan analisis konten berupa tweet yang mengandung unsur kebencian terhadap Basuki Tjahaja Purnama dalam periode September 2016-April 2017 dan publikasi jurnal dari beberapa ahli, dengan landasan teori group threat. Hasil analisis menunjukkan bahwa ujaran kebencian ke Basuki Tjahaja Purnama didorong oleh empat perasaan yang menjurus pada prasangka rasial, yakni (1) perasaan superioritas; (2) perasaan bahwa kelompok minoritas secara intrinsik berbeda dan asing; (3) perasaan kepemilikan atas bidang, hak istimewa, dan keuntungan tertentu; serta (4) ketakutan dan kecurigaan terhadap kelompok minoritas akan mengusik hak prerogatif mereka. Kebaruan penulisan ini adalah menggunakan analisis naratif untuk melihat keterkaitan antara satu kejadian dengan kejadian lainnya untuk mengetahui sebab sebuah fenomena

---

This paper raises the problem of discrimination experienced by minorities in the political sphere with a case study of hate speech experienced by Basuki Tjahaja Purnama or Ahok ahead of the 2017 Jakarta Regional Election. Through this writing, the author aims to explain what is the cause of hate speech against Ahok, a Chinese and Christian, in Indonesia ahead of the 2017 Jakarta regional election. This writing method uses content analysis in the form of tweets containing elements of hatred against Basuki Tjahaja Purnama in the period September 2016 - April 2017 and journal publications from several experts, based on group threat theory. The results of the analysis showed that hate speech to Basuki Tjahaja Purnama was driven by four feelings that lead to racial prejudice, namely (1) feelings of superiority; (2) a feeling that minority groups are intrinsically distinct and foreign; (3) a feeling of ownership over certain fields, privileges, and advantages; and (4) fear and suspicion of minority groups will undermine their prerogatives. The novelty of this writing is to use narrative analysis to see the relationship between one event and another to find out the cause of a phenomenon."

"ABSTRAKKebebasan berpendapat melalui media sosial untuk mengungkapkan pikiran, pendapat dan tanggapan terhadap suatu topik tertentu menimbulkan dampak negatif berupa konten yang menebarkan kebencian. Penelitian ini bertujuan untuk melakukan deteksi sebuah informasi yang merupakan ujaran kebencian di media sosial Twitter. Data yang digunakan berjumlah 4.002 data sentimen terkait topik politik, agama, suku dan ras di Indonesia. Pada pembangunan model, penelitian ini menggunakan metode klasifikasi sentimen dengan algoritma machine learning seperti Na ve Bayes, Multi Level Perceptron, AdaBoost Classifier, Random Forest Decision Tree dan Support Vector Machine SVM . Di samping itu, penelitian ini juga melakukan perbandingan performa model dengan menggunakan unigram, bigram dan unigram-bigram dalam proses fitur ekstraksi dan penggunaan SMOTE untuk mengatasi imbalanced data. Evaluasi dari percobaan yang dilakukan menunjukkan bahwa algoritma AdaBoost menghasilkan model terbaik dengan nilai recall tertinggi yaitu 99.5 yang memiliki nilai akurasi sebesar 70.0 dan nilai F1-score sebesar 82.2 untuk klasifikasi ujaran kebencian apabila menggunakan bigram.

---

ABSTRACTFreedom of expression through social media to express idea, opinion and view about current topic causes negative impact as the rise of hateful content. This study aims to detect a hate speech information through Twitter. Dataset of this study consists of 4.002 sentiment data related to politic, race, religion and clan topic. The model development of this study conducted by sentiment classification method with machine learning algorithm such as Na ve Bayes, Multi Level Perceptron, AdaBoost Classifier, Random Forest Decision Tree and Support Vector Machine SVM . We also conduct a comparison of model performance that used unigram, bigram, unigram bigram feature and SMOTE to handle imbalanced data. Evaluation of this study showed that AdaBoost algorithm resulted the best classification model with the highest recall model which was 99.5 , accuracy score as much as 70.0 and F1 score 82.2 to classify hate speech when using bigram features."

"Kasus ujaran kebencian di media sosial Indonesia tidak sedikit. Penelitian ini akan mengkaji salah satu kasus ujaran kebencian yang terjadi di tahun 2022, yaitu kasus yang menimpa EM. Pada saat karya ilmiah ini ditulis, kasus ini sudah naik ke tahap persidangan di pengadilan. EM didakwa menyatakan ujaran kebencian terhadap masyarakat yang ada di Kalimantan dengan frasa "tempat jin buang anak". Jenis kajian penelitian adalah deskriptif kualitatif. Objek penelitian ini bersumber dari YouTube yang dikelola oleh EM sendiri. Penelitian ini untuk mengungkapkan apakah ujaran EM “tempat jin buang anak” dapat dikategorikan sebagai ujaran kebencian atau tidak berdasarkan Pasal 156 KUHP dan Pasal 45A ayat (2) dalam UU RI No. 19 Tahun 2016 tentang Perubahan atas UU No. 11 Tahun 2008 tentang ITE. Peneliti menggunakan teori tindak tutur, konteks pertuturan, dan analisis wacana untuk membuktikan ujaran EM tersebut. Berdasarkan analisis tindak tutur, konteks pertuturan, dan analisis wacana, EM dapat dinyatakan melakukan ujaran kebencian berdasarkan Pasal 156 KUHP karena memenuhi semua unsur yang dipaparkan dalam undang-undang tersebut. Namun, EM tidak dapat dinyatakan melakukan ujaran kebencian berdasarkan Pasal 45A ayat (2) dalam UU RI No. 19 Tahun 2016 tentang Perubahan atas UU No. 11 Tahun 2008 tentang ITE karena salah satu unsur wajib tidak memenuhi. Unsur yang tidak memenuhi tersebut adalah semua pernyataan EM tidak ditujukan untuk menimbulkan rasa kebencian kepada masyarakat Kalimantan. Selain itu, pernyataan EM juga tidak ditujukan untuk menimbulkan permusuhan kepada masyarakat Kalimantan.

---

There are many cases of hate speech on Indonesian social media. This study will examine one of the cases of hate speech that occurred in 2022, namely the case that befell EM. At the time this scientific paper was written, this case had already reached the stage of trial in court. EM was charged with expressing hatred towards the people in Kalimantan with the phrase "tempat jin buang anak". The type of research study is descriptive qualitative. The object of this research is sourced from YouTube which is managed by EM himself. This research is to reveal whether the EM utterance “tempat jin buang anak” can be categorized as hate speech or not based on Pasal and Pasal 45A ayat (2) dalam UU RI No. 19 Tahun 2016 tentang Perubahan atas UU No. 11 Tahun 2008 tentang ITE. The researcher uses speech act theory, context of speech, and discourse analysis to prove the EM utterances. Based on the analysis of speech acts, context of speech, and analysis of discourse, EM can be declared to have committed hate speech in Pasal 156 KUHP because it fulfills all the elements described in the 2 law. However, EM cannot be declared to have committed hate speech on Pasal 45A ayat (2) dalam UU RI No. 19 Tahun 2016 tentang Perubahan atas UU No. 11 Tahun 2008 tentang ITE because one of the mandatory elements does not fulfill. The element that does not fulfill this is that all of EM's statements are not intended to cause hatred for the people of Kalimantan. In addition, all of EM's statements are also not intended to cause hostility to the people of Kalimantan.

"