Upload
lebao
View
216
Download
0
Embed Size (px)
Citation preview
PROPOSAL PROGRAM KREATIVITAS MAHASISWA
DETEKTOR HATE-SPEECH
SEBAGAI PENGENDALIAN CUITAN SENTIMEN NEGATIF NETIZEN
BIDANG KEGIATAN
PKM – GAGASAN TERTULIS
Diusulkan oleh :
1. Irma Rachmawati 16010064 / 2016
2. Anik Suhariyati 16010016 / 2016
3. Sapna Dewi Airlangga Sari 15010107 / 2015
POLITEKNIK KEDIRI
KEDIRI
2017
iii
KATA PENGANTAR
Puji syukur kami panjatkan kehadirat Allah swt yang telah
menganugerahkan rahmat.taufik serta hidayahnya kepada kami,sehingga kami
dapat menyelesaikan gagasan tertulis yang berjudul “Detektor Hate-Speech
Sebagai Pengendalian Cuitan Sentimen Negatif Netizen” dengan baik.Sholawat
serta salam,senantiasa tercurah kepada Rasulullah saw,keluarga serta para
sahabatnya.
Dari penulisan gagasan tertulis ini,diharapkan adanya suatu sistem otomatis
yang dapat mengendalikan setimen negatif dari netizen terhadap akun twitter milik
individu ,perusahaan/instansi pemerintahan maupun non pemerintahan.
Terima kasih kepada semua pihak yang telah membantu terselesainya
gagasan tertulis ini dengan baik.
Tak ada karya manusia yang sempurna,karena kesempurnaan hanya milik
Allah swt.Untuk itu kami mengharap kritik dan saran yang membangun untuk
menjadikan karya yang tidak hanya menjadi sebuah gagasan tertulis,tetapi juga bisa
diwujudkan menjadi sebuah karya nyata yang bermanfaat demi terwujudnya
indonesia yang lebih baik.
Kediri, 01 Februari 2017
Penulis
iv
DAFTAR ISI
HALAMAN SAMPUL ...........................................................................................i
HALAMAN PENGESAHAN................................................................................ii
KATA PENGANTAR .......................................................................................... iii
DAFTAR ISI ......................................................................................................... iv
DAFTAR TABEL DAN GAMBAR ..................................................................... v
1. ABSTRAK ..................................................................................................... 1
2. PENDAHULUAN .......................................................................................... 1
a. Latar Belakang ............................................................................................ 1
b. Tujuan Gagasan ........................................................................................... 3
c. Manfaat Gagasan ......................................................................................... 3
d. Luaran yang diharapkan .............................................................................. 3
e. Batasan Masalah.......................................................................................... 3
3. GAGASAN ..................................................................................................... 4
a. Kondisi Kekinian Pencetus Gagasan .......................................................... 4
b. Solusi yang pernah ditawarkan ................................................................... 5
c. Gagasan yang diajukan dan prediksi jika gagasan diimplentasikan ........... 5
d. Pihak yang dipertimbangkan dapat membantu ........................................... 7
e. Langkah Strategis ........................................................................................ 8
4. KESIMPULAN ............................................................................................ 10
5. DAFTAR PUSTAKA .................................................................................. 10
6. LAMPIRAN – LAMPIRAN ........................................................................ vi
Lampiran 1 : Biodata Ketua, Anggota dan Dosen Pembimbing yang
ditandatangani .................................................................................................... vi
Lampiran 2 : Susunan Organisasi Tim Penyusun dan Pembagian Tugas ......... xii
Lampiran 3 : Surat Pernyataan Ketua Pelaksana ............................................. xiii
v
DAFTAR TABEL DAN GAMBAR
Gambar 2.1 Kondisi kekinian ................................................................................. 4
Gambar 2.2 Arsitektur Sistem Detektor Hate-Speech ............................................ 6
Gambar 2.3 Prediksi jika gagasan diimplementasikan ........................................... 7
Gambar 2.4 Langkah Srategis yang dapat Ditempuh.............................................. 8
Gambar 2.5 Contoh Cuitan Bersentimen (a) Positif, (b) Negatif, dan (c) Netral ... 8
Tabel 2.1 Contoh Kamus Kata ................................................................................ 9
Gambar 2.6 cara kerja Information Retrieval (IR) .................................................. 9
1
1. ABSTRAK
Twitter adalah layanan jejaring sosial dan mikrobloging yang memungkinkan
penggunanya untuk mengirim dan membaca pesan berbasis teks hingga 140
karakter, yang dikenal dengan sebutan kicauan (tweet). Di Twitter, pengguna tak
terdaftar hanya bisa membaca kicauan, sedangkan pengguna terdaftar bisa
menulis kicauan melalui antarmuka situs web, pesan singkat (SMS), atau melalui
berbagai aplikasi untuk perangkat seluler.
Tingginya popularitas Twitter menyebabkan layanan ini telah dimanfaatkan
untuk berbagai keperluan dalam berbagai aspek, misalnya sebagai sarana protes,
kampanye politik, sarana pembelajaran, dan sebagai media komunikasi darurat.
Twitter juga dihadapkan pada berbagai masalah dan kontroversi seperti masalah
keamanan dan privasi pengguna, gugatan hukum, dan penyensoran.
Dengan adanya kemudahan tersebut para pengguna twitter sering membuat
tweet(kicauan) negatif yang ditujukan kepada individu,perusahaan maupun
instansi.Jika tweet tersebut ditujukan pada alat kelengkapan negara misalnya
presiden,hal itu akan mengganggu stabilitas dan kinerja presiden.Pengguna twitter
yang sering membuat tweet(kicauan) negatif harus dikendalikan supaya tidak
membuat perpecahan atau permusuhan antar sesama,dan tidak mengganggu
stabilitas atau kinerja perusahaan maupun instansi yang dituju.
Penulis menawarkan sebuah sistem otomatis yang diberi nama “Detektor –
Hate Speech” yang akan memberikan warning atau peringatan bahwa tweet
(kicauan) mereka berisi sentimen negatif atau positif.Dengan adanya aplikasi ini
diharapkan pengguna twitter berfikir kembali jika membuat tweet(kicauan)
negatif.
Kata Kunci : Twitter, karakter, tweet,sistem,popularitas, kontroversi, negatif,
stabilitas, sentimen.
2. PENDAHULUAN
a. Latar Belakang
Perkembangan jejaring sosial sebagai media komunikasi baru, saat ini telah
berkembang pesat di seluruh dunia termasuk Indonesia. Rata-rata masyarakat
modern, seperti orang – orang di perkotaan telah menggunakan jejaring sosial
sebagai salah satu alat komunikasi. Banyak kemudahan yang ditawarkan oleh
media komunikasi baru ini, sehingga membuat para penggunanya terus meningkat
dari tahun ke tahun. Pengguna media komunikasi ini yang di kenal sebagai user,
dapat menyebarluaskan maupun mencari pesan atau informasi dengan cepat,
memberitahukan kegiatan-kegiatan yang dilakukan dengan mudah, berkumpul
dengan teman atau partner kerja tanpa harus bertemu langsung atau bertatap
muka,serta mencari teman baru melalui situs jejaring sosial tersebut.
Salah satu media sosial yang memiliki banyak pengguna adalah twitter. Twitter
adalah layanan jejaring sosial dan mikrobloging yang memungkinkan penggunanya
untuk mengirim dan membaca pesan berbasis teks hingga 140 karakter, yang
dikenal dengan sebutan cuitan atau kicauan (tweet). Di Twitter, pengguna tak
terdaftar hanya bisa membaca kicauan, sedangkan pengguna terdaftar bisa menulis
2
kicauan melalui antarmuka situs web, pesan singkat (SMS), atau melalui berbagai
aplikasi untuk perangkat seluler.
Twitter dimiliki dan dioperasikan oleh Twitter, Inc., yang berbasis di San
Francisco, dengan kantor dan peladen tambahan terdapat di New York City, Boston,
dan San Antonio. Hingga Mei 2015, Twitter telah memiliki lebih dari 500 juta
pengguna, 302 juta di antaranya adalah pengguna aktif. Twitter mengalami
pertumbuhan yang pesat dan dengan cepat meraih popularitas di seluruh dunia.
Hingga bulan Januari 2013, terdapat lebih dari 500 juta pengguna terdaftar di
Twitter, 200 juta di antaranya adalah pengguna aktif. Lonjakan penggunaan Twitter
umumnya berlangsung saat terjadinya peristiwa-peristiwa populer. Pada awal 2013,
pengguna Twitter mengirimkan lebih dari 340 juta kicauan per hari, dan Twitter
menangani lebih dari 1,6 miliar permintaan pencarian per hari. Hal ini
menyebabkan posisi Twitter naik ke peringkat kedua sebagai situs jejaring sosial
yang paling sering dikunjungi di dunia, dari yang sebelumnya menempati peringkat
dua puluh dua.
Tingginya popularitas Twitter menyebabkan layanan ini telah dimanfaatkan
untuk berbagai keperluan dalam berbagai aspek, misalnya sebagai sarana protes,
kampanye politik, sarana pembelajaran, dan sebagai media komunikasi darurat.
Twitter juga dihadapkan pada berbagai masalah dan kontroversi seperti masalah
keamanan dan privasi pengguna, gugatan hukum, dan penyensoran.
Dengan adanya kemudahan tersebut para pengguna twitter sering membuat
cuitan negatif yang ditujukan kepada individu, perusahaan maupun instansi. Lebih
lanjut, cuitan yang merupakan ekspresi emosional dari netizen dapat berdampak
buruk jika tidak dikendalikan. Sudah banyak sekali kasus cuitan dengan sentiment
negative yang berujung pada tindak pidana hokum. Jika cuitan ini berkaitan dengan
isu kenegaraan dan masyarakat social, maka hal ini akan dapat menggangu
stabilitas negara, apalagi jika cuitan tersebut ditujukan kepada aparat negara. Jika
hal ini terus menerus dibiarkan, pengguna twitter akan sering membuat tweet
negatif tanpa ada pengendalian dan menimbulkan perpecahan atau permusuhan
antar sesama. Dampak paling buruk adalah terganggunya stabilitas atau kinerja
perusahaan/instansi/negara. Beberapa kasus (dikutip dari viva.co.id) yang terkait
dengan ujaran kebencian dan berujung pada pidana antara lain:
Kasus 1: Prita Mulyasari
Dia terseret ke meja hijau karena diduga mencemarkan nama baik RS Omni
Internasional Alam Sutera, Serpong, Tangerang. Dia mencurahkan apa yang
dirasakan itu ke beberapa temannya melalui e-mail.
Kasus 2: Benny Handoko
Pemilik akun Twitter @benhan dihukum enam bulan dan masa percobaan satu
tahun. Benny dinyatakan bersalah melanggar pasal 27 ayat 3 Jo pasal 45 ayat 1 UU
RI Tahun 2008 tentang Informasi dan Transaksi Elektronik (ITE).
3
Kasus 3: Florence Sihombing
Mahasiswa S2 Universitas Gadjah Mada Yogyakarta, Florence Sihombing menjadi
buah bibir masyarakat, Dia tersohor karena mengungkapkan kekesalan di situs
Path.
Untuk mengatasi permasalahan tersebut, penulis menawarkan sebuah gagasan
yang diharapkan mampu mengendalikan cuitan netizen yang mengandung sentimen
negatif seperti yang telah diuraikan diatas. Gagasan tersebut adalah pembuatan
sebuah aplikasi pengendali otomatis yang dapat memberikan early warning atau
peringatan bahwa cuitan mereka berisi sentimen negatif atau positif. Dengan
adanya aplikasi ini diharapkan pengguna twitter akan berfikir kembali jika
membuat cuitan negatif.
b. Tujuan Gagasan
Berdasarkan latar belakang di atas maka tujuan gagasan ini aalah mengendalikan
cuitan negative para netizen agar tidak mengandung secara otomatis sehingga dapat
menghindari suatu permusuhan atau perpecahan antar sesama baik individu
maupun kelompok.
c. Manfaat Gagasan
Dengan adanya aplikasi “Detektor Hate-speech” diharapkan :
a. Pengguna twitter bisa mengetahui apakah tweet yang mereka buat berisi
sentimen negati atau positif.
b. Jika pengguna sudah tahu kalau yang mereka kirim adalah tweet negatif tetapi
mereka masih ingin tetap mengirim tweet tersebut,maka mereka harus
memperhalus kata-kata yang akan mereka gunakan.
c. Mengendalikan pengguna twitter sering membuat tweet (kicauan) negatif.
d. Meminimalkan adanya tweet negatif yang berisi kata-kata kasar.
d. Luaran yang diharapkan
a. Sistem “Detektor Hate-Speech” ini bisa mengendalikan tweet negati dari
netizen.
b. Sistem ini diharapkan dapat memberikan peringatan pada netizen yang sering
membuat tweet negatif.
c. Sistem ini dapat membuat netizen berfikir kembali jika ingin membuat tweet
negatif.
e. Batasan Masalah
Gagasan tertulis ini dibatasi pada topik media sosial twitter.
4
3. GAGASAN
a. Kondisi Kekinian Pencetus Gagasan
Kondisi tentang maraknya penyalahgunaan media sosial yang berdampak
seperti pada latar belakang diatas dapat digambarkan seperti pada gambar berikut:
Gambar 2.1 Kondisi kekinian
Di sisi lain, dalam dunia komputer informatika terdapat disiplin ilmu yang
membahas tentang ilmu pengolahan data, yakni Information Retrieval yang
merupakan konsep yang dapat mengolah informasi dalam bentuk teks, tabel,
gambar, video, audio. Information Retrieval (IR) atau sering disebut “temu kembali
infromasi” adalah ilmu yang mempelajari prosedur-prosedur dan metode-metode
untuk menemukan kembali infromasi yang tersimpan dari berbagai sumber
(resources) yang relevan atau koleksi sumber informasi yang dicari atau dibutuhkan.
Dengan tindakan index (indexing), panggilan (searching), pemanggilan data
kembali (recalling).
Secara Konsep sederhana IR merupakan proses mencari, dan kemudain
mendapatkan apa yang dicari itu. Jika kita titik beratkan kepada prosesnya maka
didalamnya akan terungkap bagaimana perjalanan informasi yang
diminta, menjadi infromasi yang diberikan. Keilmuan ini mengungkapkan
bagaimana metode metode pencarian informasi yang dilakukan oleh end user dari
gudang gudang penyimpanan yang berskala besar, contoh sederhananya adalah
media penyimpanan kita sendiri.
Untuk menemukan informasi relevan yang kita cari, maka dibutuhkan kata
kunci (Keyword, Query) yang sesuai dengan informasi yang ingin didapat, lebih
baik lagi jika kita memahami penggunaan kata kunci yang tepat, karena dengan
keyword yang seusai maka proses pencarian dalam index di mesin IR akan cepat,
sehingga korpus yang sesuai dengan kata kunci yang dimasukan akan ditampilkan
kembali kepada si end user. Definisi istilah tersebut dapar diartikan sebagai berikut:
Netizen mengirim
cuitan
Cuitan dapat berpotensi
Negatif dan melanggar
UU ITE
Netizen terancam
ditindak pidana
5
Keyword, Query : adalah inputan kata kunci pencarian yang diberikan
pengguna kepada Mesin Pencari (Search Engine) misalnya : Google, Yahoo,
Being, Ask dll.
Indexing : proses penyusunan index dari seluruh dokumen pada korpus, yang
terdiri dari kata-kata (token)
Korpus : adalah kumpulan dokumen yang disalin ke mesin SE misalnya
Google “menjepret” seluruh halaman website yang bisa diakses umum (tanpa
login terlebih dahulu) kemudian menyalinnya ke SE di servernya.
Melihat permasalahan di masyarakat terkait cuitan netizen seperti yang telah
disampaikan sebelumnya, maka penulis sebagai mahasiswa jurusan Teknik
Informatika memiliki gagasan untuk menerapkan konsep IR dalam menangani
masalah tersebut dengan cara mengendalikan cuitan para netizen jika cuitan terseut
mengandung sentiment negative dan berpotensi mengganggu dan memprovokasi.
b. Solusi yang pernah ditawarkan
Untuk mengatasi hal ini, pmerintah telah merumuskan Undang-Undang
Informasi dan Transaksi Elektronik yang mengatur tentang informasi sertatrensaksi
elektronik, atau teknologi informasi secara umum. UU ini memiliki yurisdiksi yang
berlaku untuk setiap orang yang melakukan perbuatan hukum sebagaimana diatur
dalam Undang-Undang ini, baik yang berada di wilayah hukum Indonesia maupun
di luar wilayah hukum Indonesia, yang memiliki akibat hukum di wilayah hukum
Indonesia dan/atau di luar wilayah hukum Indonesia dan merugikan kepentingan
Indonesia.
Perubahan UU ITE telah disahkan menjadi UU Nomor 19 Tahun 2016 tentang
Perubahan Atas UU ITE (25/11). Revisi Undang-Undang Informasi dan Transaksi
Elektronik (UU ITE) disahkan menjadi UU pada 27 Oktober 2016. Dan mulai
berlaku Senin 28 November 2016.
Dengan adanya UU ITE ini, para netizen sudah semakin berhati-hati ketika akan
membuat sebuah cuitan di media sosial. Namun, solusi ini merupakan solusi yang
bersifat rehabilitasi, dimana pelaku hate-speech akan dihukum tanpa tahu mereka
telah melanggar undang-undang. Solusi lain adalah ketika tindakan yang bersifat
preventif dapat memberikan pencegahan munculnya cuitan bersentimen negatif.
c. Gagasan yang diajukan dan prediksi jika gagasan diimplentasikan
Solusi yang bersifat preventif dapat memberikan pencegahan munculnya
cuitan bersentimen negatif adalah pembuatan sistem pendeteksi otomatis yang
dapat mendeteksi cuitan yang dikirimkan bersentimen negatif sehingga berindikasi
kearah ujaran kebencian (hate speech). Sistem ini dapat berbasis web maupun
mobile. Pada sistem detector ini hanya terapat dua jenis pengguna, yakni
administrator selaku programmer dan netizen selaku pengirim cuitan.
Sistem detector hate speech ini dapat dimodelkan dalam sebuah rancangan
arsitektur sistem. Arsitektur sistem informasi (arsitektur teknologi
6
informasi/infrastruktur teknologi informasi) merupakan suatu rencana/ pemetaan
kebutuhan-kebutuhan informasi di dalam suatu organisasi (Turban,
McLean,Wetherbe, 2004). Arsitektur sistem detector hate speech dapat dilihat pada
Gambar 2.2.
Gambar 2.2 Arsitektur Sistem Detektor Hate-Speech
Dari arsitektur sistem gambar tersebut dapat dijelaskan bahwa Administrator
bertugas sebagai admin aplikasi,data dari program aplikasi Detektor Hate-Speech.
Administrator memiliki wewenang untuk mengelola kamus kata sehingga dapat
memberikan peringatan terhadap netizen. Netizen adalah pengguna twitter,netizen
mengirimkan tweet melalui berbagai media ke komputer server. Jika tweet
mengandung hate speech atau berisi sentimen negatif maka netizen akan memdapat
peringatan dari administrator.
Dengan adanya sistem detector yang bertugas untuk memberikan peringatan
tentang sentimen cuitan, maka para netizen akan dapat berfikir ulang untuk apakah
meneruskan kembali atau mengubah kalimat cuitannya. Dengan demikian, para
netizen akan mengetahui bahwa cuitan yang dikirimkan berindikasi pada ujaran
kebencian (hate speech). Karena mayoritas netizen tidak mengetahui bahwa cuitan
yang mereka kirimkan mengandung ujaran kebencian. Harapan kami sebagai
pencetus gagasan adalah terkendalinya cuitan-cuitan yang berujung pada
kegaduhan dan provokasi. Sebuah kondisi yang dapat diprediksi jika sistem
detector ini diterapkan dapat dilihat pada Gambar 2.3.
Administrator
Netizen Netizen
Netizen
Netizen
7
Gambar 2.3 Prediksi jika gagasan diimplementasikan
d. Pihak yang dipertimbangkan dapat membantu
Pihak yang dipertimbangkan untuk dapat membantu mengimplementasikan
gagasan kami diantaranya :
a. Ahli/Pakar Bahasa
Ahli/Pakar Bahasa adalah seseorang yang mempelajari dan meneliti tentang
bahasa. Pihak inilah yang bertugas untuk merangkum kamus kata sehingga
dapat terbentuk dan terangkum kata-kata yang bersentimen negatif, netral,
maupun positif.
b. Tim IT pembangun Aplikasi
Tim IT dapat diambi dari pihak perseorangan maupun instansi yang bergerak di
dunia IT dan merupakan pihak yang memiliki keahlian dalam dunia
pengembangan aplikasi.
c. Kementerian Komunikasi dan Informatika Republik Indonesia (Kemenkoinfo
RI)
Kementerian Komunikasi dan Informatika mempunyai tugas
menyelenggarakan urusan pemerintahan di bidang komunikasi dan informatika
untuk membantu Presiden dalam menyelenggarakan pemerintahan negara.
Netizen mengirim
cuitan
Cuitan dapat berpotensi
Negatif dan melanggar
UU ITE
Netizen terancam
ditindak pidana
Terkena detector hate speech
8
e. Langkah Strategis
Langkah strategis yang dapat diilakukan dapat dilihat pada alur berikut ini:
Gambar 2.4 Langkah Srategis yang dapat Ditempuh
Mengkaji beberapa cuitan positif, negatif, maupun netral dari netizen
Sebuah cuitan di twitter terdiri dari maksimum 140 karakter yang dapat
mengandung karakter bersentimen positif, negatif, maupun netral. Sehingga perlu
kajian data cuitan twitter yang mendalam untuk menentukan apakah tweet itu
negatif tidak dapat dinilai dari kata perkata tapi harus ada proses pembentukan frase
kata atau kalimat. Berikut ini adalah contoh cuitan beberapa netizen yang
mengandung karakter bersentimen positif, negatif, maupun netral:
(a)
(b)
(c)
Gambar 2.5 Contoh Cuitan Bersentimen (a) Positif, (b) Negatif, dan (c) Netral
Menyusun Kamus Kata
Dalam pendeteksian sentiment, diperlukan pengelompokan kata antara kata
yang berkonotasi positif, netral, dan negatif. Hal ini digunakan untuk memudahkan
Mengkaji Cuitan di Twitter
Membentuk Kamus Kata
Merancang dan membangun Aplikasi
Mendistribusikan di aplikasi store
9
dalam mengidentifikasi kata dalam program yang dibuat. Kamus kata diperoleh
setelah melakukan pengkajian twitter. Pada tahapan ini, perlu adanya keterlibatan
ahli/pakar bahasa. Kamus kata dapat dilihat pada Tabel berikut:
Tabel 2.1 Contoh Kamus Kata
Kata Positif Kata Netral Kata Negatif
Baik Makan Pahit
Paham Bicara Injak
Sabar Ambil Lambat
Lebih Rapat Dasar
Teliti Cukup Pencitraan
Peduli Senang Perang
Prestasi Suka Serang
Bangga Damai Bodoh
Merancang dan membangun aplikasi
Dalam membangun aplikasi detector hate speech, langkah pertama yang
dilakukan adalah merancang arsitektur sistem seperti yang digambarkan pada
Gamabr 2.2. Pada tahapan ini, perlu adanya keterlibatan tim IT pengembang
aplikasi. Langkah selanjutnya adalah membangun aplikasi menggunakan konsep
Information Retrieval (IR) dengan tahapan-tahapan sebagai berikut:
Word Token, yaitu mengubah dokumen menjadi kumpulan term dengan cara
menghapus semua karakter dalam tanda baca yang terdapat pada dokumen dan
mengubah kumpulan term menjadi lowercase.
Stopword Removal, yaitu proses penghapusan kata-kata yang sering
ditampilkan dalam dokumen seperti: and, or, not dan sebagainya.
Stemming, yaitu proses mengubah suatu kata bentukan menjadi kata dasar.
Term Weighting, yaitu proses pembobotan setiap term di dalam dokumen.
Gambar 2.6 cara kerja Information Retrieval (IR)
Mendistribusikan sistem detector di “aplikasi store”
Untuk mempublikasikan aplikasi pribadi maupun instansi agar dapat diunduh
olahe banyak pihak, aplikasi perlu dipublikasikan melalui aplikasi store yang dapat
diakses oleh publik. Aplikasi store merupakan layanan yang memungkinkan
pengguna menjelajah dan mengunduh aplikasi yang dikembangkan. Pada tahapan
ini, perlu adanya keterlibatan dan kewenangan kemenkoinfo agar aplikasi diakses
secara wajib sehingga tujan dari gagasan ini dapat tercapai.
10
4. KESIMPULAN
Dari uraian gagasan di atas dapat disimpulkan bahwa :
a. Dalam pengendalian sentimen negatif dari para netizen diperlukan suatu sistem
otomatis yang dapat memberikan peringatan kepada para netizen bahwa tweet
yang mereka buat merupakan tweet atau cuitan yang mengandung ujaran
kebencian (hate speech).
b. Langkah strategis yang dapat ditempuh untuk pencapaian tujuan gagasan ini
adalah mengkaji beberapa cuitan positif, negatif, maupun netral dari netizen,
menyusun Kamus Kata, merancang dan membangun aplikasi, dan
mendistribusikan sistem detector di “aplikasi store”.
c. Dalam pembuatan program aplikasi dibutuhkan keterlibatan ahli/pakar bahasa,
tim IT pengembang aplikasi, dan kemeninfo RI.
5. DAFTAR PUSTAKA
Wikipedia bahasa Indonesia,Ensiklopedia Bebas.2017.Twitter.
https://id.wikipedia.org/wiki/Twitter.Diakses tanggal 01 Januari 2017.
Eresha Suyatmo.2013. Pengertian, Cara Kerja dan Masa depan Information
Retrieval.http://suyatmobng.blogspot.co.id/2013/03/pengertian-cara-kerja-dan-
masa-depan.html.Diakses tanggal 01 Januari 2017.
Inewsindo.2014. Pengertian Information Retrieval .
http://soddis.blogspot.co.id/2014/02/pengertian-information-retrieval.html.
Diakses tanggal 01 Januari 2017.
Fitri.2016. Undang-Undang No.19 Tahun 2016 tentang Perubahan atas UU
No. 11 tahun 2008 tentang Informasi Dan Transaksi Elektronik.
http://www.kopertis12.or.id/2016/12/26/undang-undang-nomor-19-tahun-2016-
tentang-perubahan-uu-ite.html. Diakses tanggal 01 Januari 2017.
Sidik Rahman.2016. Arsitektur Sistem Informasi.
https://goindoti.blogspot.co.id/2016/08/arsitektur-sistem-informasi.html.Diakses
tanggal 02 Januari 2017
Ruqoyah. 2014. http://metro.news.viva.co.id/news/read/553069-mereka-yang-
dipenjara-karena-media-sosial. Diakses tanggal 03 Februari 2017.
vi
6. LAMPIRAN – LAMPIRAN
Lampiran 1 : Biodata Ketua, Anggota dan Dosen Pembimbing yang
ditandatangani
xii
Lampiran 2 : Susunan Organisasi Tim Penyusun dan Pembagian Tugas
No. Nama/NIM Program
Studi
Bidang
Ilmu
Alokasi Waktu
(jam/minggu) Uraian Tugas
1 Irma Rachmawati/
16010064
Teknik
Informatika
Teknik
Informatika Ketua Pelaksana
2 Anik Suhariyati/
16010016
Teknik
Informatika
Teknik
Informatika Anggota 1
3 Sapna Dewi Airlangga
Sari/15010107
Teknik
Informatika
Teknik
Informatika Anggota 2