Identifikasi Pelanggaran Undang-undang ITE pada Media Sosial X menggunakan Metode Bidirectional Long Short-term Memory (BI-LSTM)

Abstract

Pelanggaran Undang-Undang Informasi dan Transaksi Elektronik (UU ITE) sering terjadi di media sosial termasuk platform X yang mencakup berbagai kategori seperti pornografi, perjudian online, dan ujaran kebencian (hatespeech). Permasalahan ini menuntut solusi untuk mengidentifikasi dan mengklasifikasikan konten melanggar secara akurat. Penelitian ini bertujuan untuk mengklasifikasikan

kategori pelanggaran UU ITE menggunakan metode Bidirectional Long Short- Term Memory (Bi-LSTM) yang mampu memahami konteks kata secara lebih

optimal. Dataset terdiri dari 9540 tweet berbahasa Indonesia dengan distribusi kategori hatespeech 2198, judol 2464, pornografi 2434, dan netral 2444 yang dikumpulkan dari 1 Oktober 2024 hingga 1 Januari 2025. Proses analisis meliputi pre-processing data, pembentukan embedding matrix metode Word2Vec dengan model arsiteksur CBOW, dan pembangunan model Bi-LSTM. Hasil penelitian menunjukkan bahwa model Bi-LSTM dengan konfigurasi unit 128 dan 256 menghasilkan performa terbaik dengan validation loss rendah sebesar 0.26757 dan validation accuracy tinggi sebesar 91.89%. Selain itu, training losssebesar 0.04727 dan training accuracy mencapai 98.59%. Hasil evaluasi menunjukkan akurasi sebesar 93,17%, precision 93,79%, recall 93,29%, dan F1-score 93,41%. Temuan ini menunjukkan bahwa model mampu mendeteksi pelanggaran UU ITE dengan tingkat akurasi yang tinggi. Penelitian ini diharapkan dapat menjadi referensi bagi pihak terkait dalam melakukan monitoring konten di media sosial, serta berkontribusi dalam pengembangan teknologi text mining berbasis deep learning.