RANCANG BANGUN APLIKASI WEB UNTUK KLASIFIKASI UJARAN KEBENCIAN BAHASA INDONESIA BERBASIS MACHINE LEARNING

The spread of hate speech on social media requires an automatic classification system to support its detection. This study develops a Flask-based Machine Learning web application for Indonesian hate speech classification. The dataset was processed through preprocessing and TF-IDF feature extraction, followed by classification using Logistic Regression and Support Vector Machine (SVM) with the One-vs-Rest approach. The evaluation results show that SVM achieved better performance with 84% Precision, 71.7% F1-Score, 72.1% AUROC, and 0.0967 Hamming Loss, making it the selected model. The application functioned correctly during testing, achieved a UAT score of 86.38% (Very Feasible), and obtained a SUS score of 79.625 (Good), indicating that it is suitable for hate speech detection.
Keywords: Flask, hate speech, Logistic Regression, Machine Learning, Support Vector Machine.
Penyebaran ujaran kebencian di media sosial memerlukan sistem klasifikasi otomatis untuk membantu proses identifikasi. Penelitian ini bertujuan mengembangkan aplikasi web berbasis Machine Learning menggunakan Flask untuk mendeteksi ujaran kebencian berbahasa Indonesia. Data diproses melalui tahapan pre-processing dan ekstraksi fitur menggunakan TF-IDF, kemudian diklasifikasikan menggunakan Logistic Regression dan Support Vector Machine (SVM) dengan pendekatan One-vs-Rest. Hasil evaluasi menunjukkan SVM memiliki performa lebih baik dengan Precision 84%, F1-Score 71,7%, AUROC 72,1%, dan Hamming Loss 0,0967, sehingga dipilih sebagai model aplikasi. Hasil pengujian menunjukkan seluruh fitur berjalan dengan baik, nilai UAT sebesar 86,38% (Sangat Layak), dan skor SUS sebesar 79,625 (Good), sehingga aplikasi dinilai layak digunakan.
Kata Kunci: Flask, Logistic Regression, Machine Learning, Support Vector Machine, ujaran kebencian.