Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"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."