Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"Tulisan ini membahas mengenai ujaran kebencian yang terjadi pada salah satu grup chat di dalam aplikasi Telegram. Penelitian ini merupakan penelitian kualitatif yang menggunakan metode netnografi dalam pengumpulan dan pengolahan data. Pengolahan data dilakukan melalui lima tahapan, yakni collating, coding, combining, counting, dan charting. Tujuan dari penelitian ini adalah untuk mengidentifikasi praktik dan jenis ujaran kebencian di dalam grup chat Telegram serta mengategorisasikan tipe partisipan dan kode wicara yang berlaku di dalamnya. Hasil penelitian menunjukkan bahwa ujaran kebencian muncul di dalam grup chat Telegram dalam berbagai bentuk dan tema. Secara signifikan, ujaran-ujaran kebencian tersebut dipengaruhi oleh peristiwa-peristiwa yang terjadi di dunia luring. Melalui konten-konten ujaran kebencian tersebut pula, kita dapat melihat bahwa terdapat kode-kode wicara khas yang dapat ditelaah melalui 6 proposisi speech code theory milik Philipsen.

---

This paper discusses about hate speech that occurs in one of the chat group in the Telegram application. This research is a qualitative study using netnographic methods in data collection and processing. Data processing is carried out through five stages; collating, coding, combining, counting, and charting. The purpose of this study is to identify practices and types of hate speech in Telegram chat group and categorize the type of participants and the speech codes that prevail in the group. The results showed that hate speech appeared in Telegram chat group with various forms and themes. Significantly, hate speech that occurs within the group is influenced by events that occur in the offline world. Through the hate speech content, we can also see unique speech codes that can be analyzed through Philipsen's 6 propositions of speech code theory."

"Sebagai fenomena politik global, kajian ujaran kebencian sudah banyak dieksplorasi oleh para peneliti terdahulu, tetapi sebagai fenomena kognitif yang terkait dengan ideologi, kajian ujaran kebencian masih sangat terbatas. Pada masa pemerintahan Presiden Joko Widodo, ekspresi ujaran kebencian kerap kali ditemukan, terutama yang disampaikan oleh para elite simbolik. Namun, di Indonesia, hampir tidak ada kajian yang menghubungkan ujaran-ujaran tersebut dengan ideologi kelompok politik tertentu. Oleh karena itu, penelitian ini bertujuan untuk menemukan dimensi ideologis ujaran kebencian dalam wacana politik di Indonesia pada masa pemerintahan Presiden Joko Widodo. Data diambil dari ujaran kebencian yang diucapkan oleh enam elite simbolik di Indonesia, yang dipadukan dengan data konteks sosial-politik ujaran tersebut. Dengan menggunakan pendekatan kajian wacana kritis (KWK) sosiokognitif model van Dijk, penelitian ini memperlihatkan bahwa ujaran-ujaran kebencian yang diekspresikan oleh elite-elite simbolik mengandung proposisi makro yang berhubungan dengan model konteks politik dalam wacana politik di Indonesia. Di samping itu, proposisi-proposisi ideologis tersebut memiliki basis kognitif dalam representasi sosial masyarakat indonesia, yang muncul ke permukaan karena didorong oleh faktor politik. Hal ini membentuk model-mental situasi politik Indonesia, terutama terkait dengan polarisasi kelompok prooposisi dan propemerintah, termasuk aktor, aksi, dan relasi di dalamnya. Dengan demikian, dapat disimpulkan bahwa pada masa pemerintahan Presiden Joko Widodo ujaran kebencian dalam wacana politik di Indonesia memperlihatkan adanya relasi antara struktur dan makna ujaran kebencian dengan kognisi sosial-politik di Indonesia yang mengarah pada polarisasi berdasarkan dimensi ideologis yang direproduksi oleh kelompok Kami dan Mereka. Secara teoretis, penelitian ini merupakan terobosan baru terkait dengan cara memahami sikap kelompok berdasarkan keberpihakan politik (propemerintah dan prooposisi) yang tidak disinggung dalam teori ideologi van Dijk. Sumbangan teoretis lain yang dapat diberikan penelitian ini adalah kontribusi pada pengembangan disiplin ilmu linguistik forensik, terutama terkait dengan konsep ujaran kebencian dan bagaimana ujaran kebencian tersebut harus ditafsirkan dengan pendekatan sosiokognitif. Hal ini bersandar pada konsep bahwa ujaran kebencian adalah fenomena ideologis, sementara ideologi adalah parameter kognitif yang paling signifikan yang mengontrol sikap dan tindakan aktor dalam suatu kelompok. Selebihnya, penelitian ini diharapkan dapat memberikan kontribusi berharga untuk memahami situasi politik di Indonesia belakangan ini dalam upaya untuk terus mengasah sikap kritis dan mendorong adanya sistem yang mendasar untuk melakukan perubahan sosial.......As a global political phenomenon, the study of hate speech has been widely explored by previous researchers, but as a cognitive phenomenon related to ideology, the study of hate speech is still very limited. During President Joko Widodo's administration, expressions of hate speech were often found, especially those conveyed by symbolic elites. However, in Indonesia, there are almost no studies that link these utterances to the ideology of certain political groups. Therefore, this research aims to discover the ideological dimensions of hate speech in political discourse in Indonesia during the administration of President Joko Widodo. Data was taken from hate speech uttered by six symbolic elites in Indonesia, which was combined with data on the socio-political context of the speech. By using the van Dijk model of the sociocognitive critical discourse study (CDA) approach, this research shows that hate speech expressed by symbolic elites contains macro propositions related to the political context model in political discourse in Indonesia. Apart from that, these ideological propositions have a cognitive basis in the social representation of Indonesian society, which emerges to the surface because political factors drive it. This forms a mental model of the Indonesian political situation, especially related to the polarization of pro-opposition and pro-government groups, including actors, actions and relations within them. Thus, it can be concluded that during the administration of President Joko Widodo, hate speech in political discourse in Indonesia showed a relationship between the structure and meaning of hate speech and socio-political cognition in Indonesia, leading to polarization based on the ideological dimensions reproduced by the group of We and They. Theoretically, this research is a new breakthrough regarding how to understand group attitudes based on political alignments (pro-government and pro-opposition), which are not mentioned in van Dijk's ideological theory. Another theoretical contribution that this research can make is a contribution to the development of the discipline of forensic linguistics, especially related to the concept of hate speech and how hate speech should be interpreted using a sociocognitive approach. This relies on the concept that hate speech is an ideological phenomenon, while ideology is the most significant cognitive parameter that controls the attitudes and actions of actors in a group. Furthermore, it is hoped that this research can provide a valuable contribution to understanding the recent political situation in Indonesia in an effort to continue to hone critical attitudes and encourage the existence of a fundamental system for carrying out social change."

"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."

"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."

"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."

"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."

"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."

"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.

"

"Tesis ini bertujuan untuk mengetahui konsep ujaran kebencian yang berkaitan erat dengan hak asasi manusia dalam kebebasan berpendapat. Ujaran kebencian adalah kegiatan kriminal yang ditargetkan, biasanya dimotivasi oleh prasangka berdasarkan pada karakteristik pribadi yang dirasakan para korban. Ujaran kebencian ini adalah masalah HAM yang dilematis, dimana di satu sisi menyampaikan pendapat merupakan suatu HAM yang patut dilindungi, dan di sisi lain kebebasan tersebut berpotensi menyebabkan ujaran kebencian. Kemajuan teknologi kemudian memberi kontribusi besar dalam terjadinya ujaran kebencian yang dilakukan melalui media sosial. Penelitian dalam tesis ini menggunakan metode penelitian kualitatif dengan perolehan data secara khusus dari peraturan perundang-undangan nasional, perjanjian-perjanjian internasional, putusan pengadilan, literatur-literatur hukum terkait, dan data-data dari wawancara terhadap para praktisi yang sudah pernah berurusan dengan perbuatan ujaran kebencian ini. Data-data yang diperoleh akan dideskripsikan dan dianalisis secara mendalam dan diuraikan secara sistematis. Hasil penelitian dalam tesis ini menunjukkan bahwa peraturan perundang-undangan yang ada masih bersifat karet dimana para penegak hukum masih mengalami kendala yang berarti dalam penanggulangan ujaran kebencian. Ujaran kebencian memiliki unsur yang berhubungan erat dengan hasutan kebencian kepada para pendengarnya dan kerentanan seseorang atau suatu kelompok minoritas yang dijadikan target dari kebencian itu. Tesis ini juga merekomendasikan pemerintah agar dapat mempertimbangkan untuk melakukan regulasi khusus terhadap perbuatan ujaran kebencian. Dengan demikian, kriminalisasi terhadap ujaran kebencian dapat membantu para penegak hukum untuk melakukan penegakan hukum yang efektif dan sesuai dengan koridor hukum.

---

This thesis aims to know the concept of hate speech that is closely related to human rights in freedom of expression. Hate speech is a targeted criminal activity, usually motivated by prejudice based on the personal characteristics felt by victims. This hate speech is a dilemmatic human rights issue, which on the one hand conveys opinion as a human right to be protected, and on the other hand it has the potential to cause hate speech. Technological advances then contribute greatly to the occurrence of hate speech through social media. The research in this thesis uses qualitative research methods with the acquisition of data specifically from national legislation, international agreements, court decisions, related legal literature, and data from interviews of practitioners who have previously dealt with this hate speech. The data obtained will be described and analyzed in depth and described systematically. The results of the research in this thesis indicate that the existing legislation is still uncertain where law enforcers still experience significant obstacles in overcoming hate speech. Hate speech has elements that are closely related to incitement of hatred to the audience and the vulnerability of a person or a minority group targeted by that hatred. This thesis also recommends the government to consider doing special regulation on hate speech. Thus, criminalization of hate speech can assist law enforcement to enforce effective laws and in accordance with legal corridors."