Hasil Pencarian  ::  Simpan CSV :: Kembali

"Saat ini pengguna media sosial semakin kreatif dalam menyampaikan ujaran kebencian. Untuk menghindari peraturan kebijakan di media sosial, pengguna menggunakan kode untuk berinteraksi satu sama lain. Kode tersebut merupakan istilah atau julukan berisi kebencian yang ditargetkan pada suatu pihak untuk menyampaikan ujaran kebencian. Penelitian ini bertujuan untuk menggunakan kode kebencian dalam mengidentifikasi ujaran kebencian pada media sosial. Penelitian ini menggunakan twit berbahasa Indonesia serta menggunakan metode Logistic Regression, Support Vector Machine, Naïve Bayes, dan Random Forest Decision Tree. Hasil penelitian menunjukkan bahwa fitur kodekebencian (hate-code HC) yang diusulkan, dapat digunakan sebagai fitur untuk identifikasiujaran kebencian. Jika tanpa fitur kode kebencian, F-Measure menghasilkan tidak lebih dari 55%. Namun, performa meningkat jika menggunakan fitur kode kebencian dengan hasil F-Measure sebesar 80.71% yang dikombinasikan dengan metode Logistic Regression Nowadays social media users are increasingly creative in expressing hate speech.

---

To avoid policy regulations on social media, users use code to interact with each other. The code is a term or nickname containing hatred that is targeted at a individual or groups to convey the utterance of hate. This study aims to use hate codes in identifying hate speech on social media. This study uses twit in Indonesian and uses the Logistic Regression, Support Vector Machine, Naïve Bayes, and Random Forest Decision Tree. The results show the hate code features (HC) that proposed can be used as a feature to identify hate speech. If without the hate code feature, F Measure generates nomore than 55%. However, performance increases if using this feature, with the result of F-Measure of 80.71%

combined with Logistic Regression method."

"Ujaran kasar dan ujaran kebencian telah menjadi fenomena yang banyak ditemukan di media sosial. Penyalahgunaan kebebasan berpendapat ini berpotensi memicu terjadinya konflik dan ketidakstabilan sosial dikalangan masyarakat, baik dalam interaksi sosial secara digital maupun secara fisik. Diperlukan upaya identifikasi ujaran kasar dan ujaran kebencian secara otomatis, akurat, dan efisien untuk mempermudah penegakkan hukum oleh pihak berwenang. Penelitian pada skripsi ini melakukan perbandingan performa klasifikasi ujaran kasar dan ujaran kebencian pada data teks mixed-coded berbahasa Indonesia-Jawa, menggunakan model klasifikasi berbasis BERT. Eksperimen perbandingan dilakukan dengan membandingkan pre-trained model berbasis BERT dengan berbagai arsitektur dan jenis berbeda, yaitu BERT (dengan arsitektur base dan large), RoBERTa (arsitektur base), dan DistilBERT (arsitektur base). Untuk mengatasi keterbatasan mesin dalam memahami teks mixed-coded, penelitian ini dirancang dalam dua skenario yang membandingkan performa klasifikasi pada teks mixed-coded Indonesia-Jawa dan teks mixed coded yang diterjemahkan ke Bahasa Indonesia. Hasil terbaik berdasarkan F1-Score didapatkan pada klasifikasi menggunakan model berbasis BERT dengan nama IndoBERT-large-p2 pada kedua skenario, dengan F1-Score 78,86% pada skenario tanpa proses translasi, dan F1-Score 77,22% pada skenario dengan proses translasi ke Bahasa Indonesia.

---

Hateful and abusive speech has become a phenomenon that becomes common in social media. This abuse of freedom of speech presents significant risk of starting social conflicts, be it in the form of digital or physical social interactions. An accurate, efficient, and automated hate speech and abusive language identification effort needs to be developed to help authorities address this problem properly. This research conducts a comparison on hate speech and abusive language identification using several BERT-based language models. The comparisons are made using a variety of BERT-based language models with different types and architecture, including BERT (base and large architecture), RoBERTa (base architecture), and DistilBERT (base architecture). To address the mixed-coded nature of social media texts, this research was conducted under two different scenario that compares the classification performance using a mixed-coded Indonesian-Javanese text and texts that have been translated to Indonesian. The best classification output was measured using F1-Score, with a BERT-based model named IndoBERT-large-p2 outscoring the other BERT-based models in both scenario, scoring an F1-Score of 78.86% in untranslated scenario, and 72.22% F1-Score on the Indonesian-translated scenario."

"Tugas karya akhir ini akan membahas mengenai Hate Speech dalam kolom komentar Instagram yang mengkonstruksi realitas seseorang. Hate Speech merupakan ujaran yang menyerang seseorang ataupun kelompok berdasarkan atribut seperti agama, asal ras, etnis, orientasi seksual, disabilitas, ataupun jenis kelamin. Komentar yang dituliskan dalam media sosial juga memiliki kemungkinan yang cukup besar untuk mengkonstruksi realitas seseorang. Penelitian ini menggunakan konsep Media dan Konstruksi Realitas Sosial untuk bisa menjelaskan realitas Hates Speech dalam kolom komentar Instagram. Hasil penelitian ini menunjukkan bagaimana komentar yang mengandung hate speech menggambarkan realitas masyarakat Indonesia saat ini.

---

This paper will discuss about Hate Speech in the comment section of Instagram that may construct a person`s reality. Hate Speech is a speech that attacks a person or group based on attributes such as religion, race, ethnicity, sexual orientation, disability, or gender. Comments written in social media also have a much considerable possibility to construct a person`s reality. This study uses the concept of Media and Construction of Social Reality to be able to explain the reality of Hates Speech in the comment section of Instagram. The results of this study shows how hate speech comments pictures the reality of the current people of Indonesia."

"Karya akhir ini membahas mengenai propaganda kejahatan kebencian (hate crime) berbasis orientasi seksual dan identitas gender yang diimplementasikan melalui acara “Deklarasi Padang Bersih Maksiat”. Penulisan karya akhir ini bertujuan untuk memahami bagaimana kejahatan kebencian dipropagandakan untuk menolak eksistensi LGBTIQ+ melalui tafsir agama patriarkal-konservatif, kebijakan diskriminatif, serta tindakan persekusi. Penulisan ini menggunakan teknik analisis isi kualitatif dan queer criminology theory yang pada dasarnya berusaha mengkritik dan menentang narasi mengenai binerisasi heteronormativitas, homofobia, serta pengabaian kesetaraan tentang gender dan seksualitas. Hasil analisis data menunjukkan bahwa tafsir agama patriarkal-konservatif diiringi dengan prasangka terhadap seksualitas LGBTIQ+ mendorong digelarnya acara “Deklarasi Padang Bersih Maksiat” pada November 2018. Para propagandis dan masyarakat menstimulasi kejahatan kebencian dalam setiap aksi selama acara berlangsung. Pada akhirnya, tindakan persekusi sebagai bentuk kekerasan terhadap LGBTIQ+ seperti penangkapan sewenang-wenang, pemaksaan terapi konversi, dan perlakuan merendahkan martabat pun menjadi jalan keluar untuk menyembuhkan ‘penyakit’ LGBTIQ+. Hal ini berimplikasi pada kerugian dan penderitaan seksual, psikis, dan fisik terhadap kelompok LGBTIQ+.

---

This final work discusses the propaganda of hate crimes based on sexual orientation and gender identity which is implemented through the “Deklarasi Padang Bersih Maksiat”. This final work aims to understand how hate crimes are propagated to reject the existence of LGBTIQ+ through patriarchal-conservative religious interpretations, discriminatory policies, and acts of persecution. This writing uses qualitative content analysis technique and queer criminology theory which basically tries to criticize and challenge narratives about the binaryization of heteronormativity, homophobia, and the neglect of equality regarding gender and sexuality. The results of the data analysis show that patriarchal-conservative religious interpretations accompanied by prejudice against LGBTIQ+ sexuality prompted the holding of the “Declaration of Padang Clean Maksiat” in November 2018. The propagandists and the public stimulated hate crimes in every action during the event. In the end, acts of persecution as a form of violence against LGBTIQ+ such as arbitrary arrest, forced conversion therapy, and degrading treatment become a way out to cure the LGBTIQ+ 'disease'. This has implications for sexual, psychological and physical losses and suffering for the LGBTIQ+ group."

"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.

"

"Ujaran kebencian dan bahasa kasar mempermudah penyebaran kekerasan di kehidupan nyata, sehingga muncul urgensi adanya pendeteksian secara otomatis. Untuk melanjutkan pekerjaan yang sudah dilakukan oleh Ibrohim dan Budi (2019), penelitian ini membahas dua isu terkait deteksi ujaran kebencian dan bahasa kasar pada mikroblog berbahasa Indonesia. Isu pertama adalah kajian terkait effect size fitur dan pengembangan model menggunakan fitur-fitur tersebut. Metode Analysis of Variance f-test, Logistic Regression Analysis, dan nilai Shapley digunakan untuk melakukan kajian effect size pada fitur-fitur yang dirancang secara manual. Kemudian, digunakan beberapa algoritma pemelajaran mesin untuk mengembangkan model prediksi berbasis fitur-fitur tersebut. Isu kedua adalah kajian bias dalam pengembangan model terkait keberadaan kata-kata bersifat netral pada data yang merupakan ujaran kebencian atau bahasa kasar. Kajian terkait bias dilakukan dengan menggunakan dataset uji bias. Dataset ini dikembangkan dengan menggantikan kata-kata yang dideteksi memiliki potensi adanya bias pada model yang dilatih menggunakan dataset hasil pekerjaan Ibrohim dan Budi (2019). Penelitian ini menunjukkan bahwa keberadaan kata-kata tertentu berpengaruh terhadap hasil deteksi ujaran kebencian dan bahasa kasar. Di antara kata-kata tersebut, terdeteksi beberapa kata-kata yang berpotensi bias, karena memiliki pengaruh terhadap pendeteksian padahal secara sendiri kata-kata yang dideteksi sebagai potensi bias tidak memiliki unsur kebencian atau bersifat kasar. Hasil evaluasi pengambilan sampel bootstrap menunjukkan Logistic Regression dan XGBoost sebagai model dengan akurasi terbaik dalam pendeteksian ujaran kebencian dan bahasa kasar. Namun, ketika model yang sudah dikembangkan digunakan untuk memprediksi dataset sintetis, didapatkan penurunan akurasi dalam pendeteksian ujaran kebencian. Hasil ini menandakan adanya bias pada model yang dikembangkan. Hasil tersebut didukung juga oleh hasil prediksi dengan akurasi rendah ketika model digunakan untuk melakukan pendeteksian ujaran kebencian pada dataset yang dikembangkan secara manual, tetapi ketika kata-kata bias digantikan dari data, akurasi model meningkat. Kontribusi yang diberikan oleh penelitian ini adalah pengembangan dataset uji bias secara otomatis dari dataset yang dikembangkan oleh Ibrohim dan Budi (2019) dan juga dataset uji bias yang dikembangkan secara manual.

---

Hate speech and abusive language facilitate the spread of violence in real life, hence the urgency of automatic detection. To continue the work done by Ibrohim dan Budi (2019), this research addresses two issues related to the detection of hate speech and abusive language on Indonesian-language microblogs. The first issue is a study on the effect size of features and the development of models using these features. Analysis of Variance f-test, Logistic Regression Analysis, and Shapley values are used to investigate the effect size of manually designed features. Several machine learning algorithms are then employed to develop prediction models based on these features. The second issue involves studying bias in model development concerning the presence of neutral words in data that constitute hate speech or abusive language. The study related to bias is conducted by using a bias test dataset. This dataset is developed by replacing words that are detected to have the potential for bias in models trained using the dataset resulting from the work of Ibrohim dan Budi (2019). This research demonstrates that certain words significantly influence the detection of hate speech and abusive language. Among these words, some are identified as potentially biased, as they affect detection despite not inherently containing hate or abusive elements. The results of bootstrap sampling evaluation indicate that Logistic Regression and XGBoost are the models with the highest accuracy in detecting hate speech and abusive language. However, when the developed models are used to predict synthetic datasets, a significant decrease in accuracy is observed in hate speech detection. This finding indicates the presence of bias in the developed models. This result is further supported by low-accuracy predictions when the models are used to detect hate speech in manually developed datasets. However, when biased words are replaced in the data, the model’s accuracy significantly improves. The contributions of this research include the development of an automatically generated bias test dataset from the dataset created by Ibrohim dan Budi (2019), as well as a manually developed bias test dataset."

"Hate crime berupa penutupan paksa Pondok Pesantren Al-Fatah harus dialami oleh para santri waria yang berada di dalamnya. Hate Crime tersebut merenggut hak atas religious freedom dan freedom for expression yang dimiliki para santri waria. Hate crime yang  dilakukan oleh Front Jihad Islam tersebut dilatarbelakangi oleh anggapan terhadap para santri waria sebagai individu yang menyimpang dan menyalahi kodrat. Timbulnya anggapan tersebut tidak terlepas dari paham patriarki, heteronormativitas, serta stigma yang mengakar dalam masyarakat. Penutupan paksa yang terjadi menimbulkan respon dari para santri waria. Setelah mengalami trauma, mereka bangkit dan menunjukan kemampuan resistensinya. Skripsi ini bertujuan untuk menjelaskan bahwa para santri waria memiliki kemampuan untuk melawan dan berdaya terhadap hate crime yang dialami. Penelitian ini menggunakan teori queer criminology dengan teknik analisis naratif melalui kisah yang mereka tuturkan. Hasil analisis data menunjukkan bahwa budaya patriarki, heteronormativitas, serta stigma terhadap kelompok LGBTQ merupakan akar terjadinya hate crime terhadap santri waria. Penutupan paksa Pondok Pesantren tersebut justru membangun kemampuan resistensi santri waria untuk berdaya di tengah situasi yang diskriminatif.  Resistensi yang dilakukan didasari oleh agensi atau kesadaran para santri waria untuk mengubah kehidupannya menjadi lebih baik. Resistensi yang dilakukan menjadikan para santri waria sebagai penyintas hate crime berupa penutupan Pondok Pesantren Al-Fatah Yogyakarta.

---

Hate crime in the form of the forced closure of the Al-Fatah Islamic Boarding School experienced by santri waria who are in it. The hate crime took away the right to religious freedom and freedom for expression that belongs to santri waria. The hate crime by the Front Jihad Islam was motivated by the perception of santri waria as individuals who deviate and violate nature. Those assumption is inseparable from patriarchy, heteronormativity, and the stigma rooted in society. The forced closure occurred a response from santri waria. They did not give up. After experiencing trauma, they show their resistance abilities. This research aims to explain that santri waria have the ability to empowered against hate crimes in the form of the closure of Islamic boarding schools. This research uses the theory of queer criminology with narrative analysis techniques through the stories they tell. The results of the data analysis show that the patriarchal culture, heteronormativity and the stigma against LGBTQ groups is the root cause of hate crimes against santri waria. They shows the resistance ability to be empowered in a discriminatory situation. The resistance carried out was based on agency or the awareness of santri waria to change their lives for the better. The resistance then made the santri waria as survivors of hate crime."

"Contents :Introduction /​ Nathan Hall, Abbee Corb, Paul Giannasi, and John GrieveTheories and conceptsFraming the boundaries of hate crime /​ Neil ChakrabortiBeyond the silo : rethinking hate crime and intersectionality /​ Hannah Mason-BishThe personal injuries of hate crime /​ Paul Iganski and Spiridoula LagouExploring the community impacts of hate crime /​ Barbara PerryLegislating against hate /​ Gail MasonExplaining hate crimes : sociological and criminological perspectives /​ Nathan HallExplaining hate crimes : perspectives from the wider social sciences /​ Nathan HallThe international geography of hateHate crimes in Europe /​ Mike WhineHate crimes in the UK /​ Paul GiannasiSectarianism and hate crime in Northern Ireland /​ Marian DugganGlobal antisemitism /​ Dave RichThe European extreme right /​ Emmanuel Godin"

"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."

"At times of economic decline, such as the deep economic crisis experienced in many European countries today, vulnerable groups can clash with other groups. These clashes can be exploited by different political movements and individuals who point to the other and the multicultural society as the cause of problems. This can result in intensified everyday racial violations and an increase in violent hate crimes. A case study from a small Swedish town in which an asylum seeker from the Ivory Coast was stabbed to death by extreme right-wing youths, illustrates how racist hate crime relates to discrimination and everyday harassment. The murder became a test case for what in Sweden later became known as hate crime"