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

ii

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

vii

viii

ix

x

xi

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

xiii

Lampiran 3 : Surat Pernyataan Ketua Pelaksana