Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"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."

"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."

"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."

"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.

"

"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."

"Di masa kini, media sosial dimanfaatkan sebagai lapangan pekerjaan. Dengan adanya citra diri dan jumlah engagement (tolak ukur) yang tinggi, seseorang dapat menjadi pemengaruh. Selain mendapat dukungan dan pujian dari masyarakat, beberapa pemengaruh juga mendapat penolakan dan ujaran kebencian. Ujaran kebencian ini dirasakan oleh beberapa pemengaruh di Indonesia. Kasus ini dapat ditelaah lebih dalam dengan ilmu linguistik. Rumusan masalah penelitian ini adalah bagaimana ujaran kebencian terhadap pemengaruh Indonesia melalui pesan langsung (direct message) Instagram jika diteliti secara semantik dan pragmatik. Metode yang digunakan pada penelitian ini adalah metode kualitatif. Hasil penelitian ini adalah (1) penutur menggunakan konteks linguistik yang lebih sedikit daripada konteks nonlinguistik, (2) penutur menggunakan kata makian yang memiliki makna asosiatif, dan (3) jenis tindak tutur yang digunakan adalah lokusi dalam bentuk pernyataan, pertanyaan, dan perintah, ilokusi pada kategori asertif, direktif, komisif, dan ekspresif, dan perlokusi dalam bentuk meyakinkan, membujuk, menghasut, dan menyesatkan.

---

Nowadays, social media is used as a job opportunity. With personal branding and a high number of engagements, someone can become an influencer. Apart from receiving support and praise from the public, several influencers also received rejection and hate speech. This hate speech was felt by several influencers in Indonesia. This case can be studied more deeply in linguistics. The formulation of the research problem is how hate speech towards Indonesian influencers via Instagram direct messages is examined semantically and pragmatically. The method used in this research is a qualitative method. The results of this research are (1) speakers use fewer linguistic contexts than non-linguistic contexts, (2) speakers use swear words that have associative meaning, and (3) the types of speech acts used are locutions in the form of statements, questions and commands, illocutionary in the categories of assertive, directive, commissive, and expressive, and perlocution in the form of convincing, persuading, inciting, and misleading."

"Di Indonesia, khususnya DKI Jakarta sebagai pusatnya, ujaran kebencian khususnya dalam bentuk berita bohong menjadi sangat massif dan merebak. Polda Metro Jaya khususnya Direktorat Intelkam memiliki kewajiban melakukan deteksi dini terhadap ancaman harus berperan aktif melakukan upaya-upaya pencegahan dan antisipasi. Penelitian ini menggunakan pendekatan kualitatif. Hasil dari penelitian yaitu: (1) Momentum politik saat pilkada dan menjelang pemilihan presiden seakan menjadi momentum menyebarnya berita hoaks. Pada tahun 2018, sedikitnya ada kurang lebih 997 kasus hoaks di DKI Jakarta yang dipantau, dicegah dan ditanggulangi oleh Ditintelkam Polda Metro Jaya, melonjak drastis dari tahun-tahun sebelumnya. Dari sekian banyak jenis ujaran kebencian, yang paling banyak terjadi khususnya di DKI Jakarta sebagai “penjuru” nya Indonesia adalah berita bohong (hoaks). (2) Ditinjau dari sudut pandang Foreign policy dan Program strategy development, pemerintah telah berupaya meminimalisir terjadinya berita bohong dengan berbagai peraturan dan Undang-Undang, misalnya melalui Surat Edaran Kapolri Nomor: SE/6/X/2015 tanggal 8 Oktober 2015 tentang penanganan Ujaran Kebencian. Dari sudut pandang Economic Analysis, menjadi produsen maupun penyebar berita bohong (hoaks) kemudian mengambil keuntungan dari pro kontra yang ditimbulkan menjadi pilihan “pekerjaan” bagi sebagian orang saat ini. Dari sudut pandang political analysis, dimana justru banyak aktor-aktor politik yang memanfaatkan berita bohong dan sengaja diproduksi untuk menyingkirkan dan menjatuhkan lawan politiknya. Ditinjau dari sudut pandang Compliance monitoring bahwa dengan banyaknya fenomena berita bohong di tengah masyarakat akan berpotensi pada terjadinya konflik-konflik di dalam masyarakat yang berbahaya bagi ketahanan nasional, sehingga dari sudut Defence and security threat terlihat jika fenomena ujaran kebencian ini tidak diantisipasi sejak dini, berpotensi pada terpecah belahnya NKRI. Oleh karena itu, Law enforcement planning yang perlu dilakukan adalah memaksimalkan dan mensinergikan berbagai pemangku kepentingan di DKI Jakarta termasuk masyarakat itu sendiri dalam upaya antisipasi sejak dini terhadap berita bohong (hoaks) yang meresahkan masyarakat demi keutuhan NKRI.

---

In Indonesia, especially DKI Jakarta as the center, hate speech, especially in the form of fake news, has become massive and widespread. Polda Metro Jaya, especially the Directorate of Intelligence and Security, has an obligation to carry out early detection of threats and must play an active role in making prevention and anticipation efforts. This research uses a qualitative approach. The results of the research are: (1) Political momentum during the regional elections and before the presidential election seems to be a momentum for hoax news to spread. In 2018, there were at least 997 hoax cases in DKI Jakarta that were monitored, prevented and overcome by the Directorate of Information and Technology of the Polda Metro Jaya, a drastic increase from previous years. Of the many types of hate speech, the most common especially in DKI Jakarta as the “corner” of Indonesia is hoax. (2) From the point of view of the foreign policy and strategy development program, the government has tried to minimize the occurrence of fake news with various regulations and laws, for example through the Chief of Police Circular Number: SE / 6 / X / 2015 dated 8 October 2015 concerning handling of speech. Hatred. From the point of view of the Economic Analysis, being a producer or spreading hoax then taking advantage of the pros and cons that has resulted in becoming a "job" choice for some people today. From the point of view of political analysis, there are many political actors who take advantage of fake news and are deliberately produced to get rid of and overthrow their political opponents. From the point of view of Compliance monitoring, with the many phenomena of fake news in the community, there will be potential for conflicts in society that are dangerous to national security, so that from the point of view of Defense and security threat, it can be seen that if the phenomenon of hate speech is not anticipated early, it will the potential for the fragmentation of the Republic of Indonesia. Therefore, law enforcement planning that needs to be done is to maximize and synergize various stakeholders in DKI Jakarta including the community itself in an effort to anticipate from an early age fake news (hoax) that disturbs the community for the integrity of the Republic of Indonesia"

"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"

"Penelitian ini bertujuan untuk mengkaji ujaran kebencian dalam pernyataan-pernyataan pejabat negara yang dikutip dalam pemberitaan media daring Kompas selama tahun 2016. Teori yang digunakan dalam penelitian ini adalah Queering Criminology. Dalam kaitannya dengan hubungan LGBT dengan negara, seringkali timbul pertanyaan mengenai siapa yang memiliki kekuasaan dan bagaimana orang-orang kuat yang paling politis berpengaruh.Metode yang digunakan dalam penelitian ini adalah analisis wacana kritis. Temuan data dalam penelitian ini berupa 20 berita dengan kutipan pernyataan pejabat negara terkait LGBT. Temuan data menunjukkan adanya 18 berita yang merupakan ujaran kebencian karena mengandung pernyataan diskriminatif, mengandung stereotipe, antagonis, dan merendahkan martabat, sementara 2 lainnya tidak mengandung ujaran kebencian. Pejabat negara dan media telah sama-sama menjadi agen pembentuk wacana kebencian. Hal tersebut berdasarkan pandangan kritis dapat disebut sebagai kejahatan.

---

Title Hate Speech by the Ruler against Lesbian, Gay, Bisexual, and Transgender in Media as Crime An Analysis of State Official 39 s Statement in Kompas Media Online News 2016 This study aims to examine hate speech in the statements of officials who are in the media coverage online Kompas during 2016. The theory used in this study is Queering Criminology. In his relationship between LGBT with the state, appear the question about who has power and a very moderate political person. The method used in this research is critical discourse analysis.

The data finding in this research is 20 news with quotation of opinion of LGBT related official. The findings of the data indicate 18 news which are hate speech because they contain discriminatory assumptions, containing stereotypes, antagonists, and degrading, while the other two are not contained by hate speech. State officials and the media have become equally hate shaping agents. Based on critical perspective, it can be called a crime."