Detail Cantuman

Media sosial twitter menjadi ruang utama bagi masyarakat Indonesia untuk mengekspresikan opini dan emosi terhadap isu nasional, termasuk dugaan korupsi Pertamina 2025. Ekspresi emosi negatif pada teks opini sering kali beririsan dengan hate speech, sehingga diperlukan pemodelan yang mampu menangkap kedua dimensi tersebut secara bersamaan. Penelitian ini bertujuan mengembangkan sistem klasifikasi multi-label berbasis IndoBERTweet–BiLSTM untuk mendeteksi tujuh label ujaran kebencian (HS, Abusive, HS_Individual, HS_Group, HS_Race, HS_Gender, HS_Other) dan tiga emosi negatif (anger, fear, sadness) pada tweet berbahasa Indonesia, serta mengimplementasikannya dalam aplikasi web untuk analisis opini publik kasus Pertamina 2025. Dua model dilatih terpisah menggunakan dataset ujaran kebencian Dwitama dan dataset emosi dari Kaggle, dengan IndoBERTweet sebagai feature extractor dan BiLSTM sebagai classifier multi-label. Berbagai skenario pengaturan class weighting, learning rate (1e-5, 5e-5, 1e-3), dan batch size (16, 32, 64) dibandingkan menggunakan metrik F1-score (micro, macro), precision, recall, exact match, hamming loss, dan PR-AUC. Model ujaran kebencian terbaik diperoleh pada konfigurasi class weighting aktif, learning rate 5e-5, dan batch size 32 dengan F1-score makro 77,54% pada data uji, sedangkan model emosi terbaik menggunakan class weighting aktif, learning rate 1e-5, dan batch size 64 dengan F1-score makro 83,48%. Penerapan kedua model pada 1.309 tweet kasus Pertamina menunjukkan dominasi label HS (67,15%) dan anger (71,89%), serta bahwa hampir seluruh emosi negatif muncul bersamaan dengan setidaknya satu label ujaran kebencian. Hasil ini menunjukkan bahwa pendekatan dua model multi-label berbasis IndoBERTweet–BiLSTM efektif untuk memetakan pola ujaran kebencian dan emosi negatif dalam opini publik di media sosial Indonesia.