@misc{eprints88392,
           month = {April},
           title = {DETEKSI HATE SPEECH PADA KOLOM KOMENTAR TIKTOK DENGAN
MENGGUNAKAN ALGORITMA NA{\"I}VE BAYES DENGAN SMOOTHING },
          author = {RAFLES MATORANG PASARIBU ROY},
         address = {UNIVERSITAS LAMPUNG},
       publisher = {FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM },
            year = {2025},
             url = {http://digilib.unila.ac.id/88392/},
        abstract = {
Hate speech adalah ekspresi yang bersifat bias, bermusuhan, dan diskriminatif yang
ditujukan kepada individu atau kelompok berdasarkan karakteristik mereka. Di era
digital, platform media sosial seperti TikTok sangat rentan terhadap penyebaran hate
speech, terutama melalui kolom komentar. Metode tradisional untuk mendeteksi hate
speech sering kali tidak efektif dalam menangani volume data yang besar dan
beragamnya ekspresi pengguna. Oleh karena itu, penelitian ini mengembangkan
model deteksi hate speech berbasis Multinomial Na{\"i}ve Bayes dengan smoothing.
Penerapan smoothing bertujuan untuk mengatasi permasalahan zero probability pada
kata-kata yang jarang muncul, sehingga meningkatkan akurasi prediksi model.
Dataset dibagi dengan rasio 80:20, di mana 80\% digunakan untuk pelatihan dan 20\%
untuk pengujian. Model yang dikembangkan mencapai akurasi sebesar 88,41\%,
dengan nilai presisi, recall, dan F1-score yang serupa. Evaluasi lebih lanjut melalui
pengujian pengguna dengan 35 partisipan yang menganalisis 7.415 komentar
menunjukkan akurasi deteksi sebesar 68,6\%. Sebagai implementasi, model ini
diintegrasikan ke dalam plugin Google Chrome yang mendeteksi hate speech pada
komentar TikTok secara real time, dilengkapi dengan visualisasi probabilitas dan
mekanisme validasi pengguna. 


Kata kunci : Deteksi hate speech, Na{\"i}ve Bayes, smoothing, TikTok, analisis  
   sentimen, machine learning, plugin Google Chrome.
  
Hate speech is a biased, hostile, and discriminatory expression directed at
individuals or groups based on their inherent characteristics. In the digital era,
social media platforms such as TikTok have become highly susceptible to the spread
of hate speech, particularly through comment sections. Traditional methods for
detecting hate speech are often ineffective in handling large volumes of data and
diverse user expressions. Therefore, this study develops a hate speech detection
model based on Multinomial Na{\"i}ve Bayes with smoothing. The application of
smoothing aims to address the issue of zero probability for rarely occurring words,
thereby enhancing the model's predictive accuracy. The dataset is split into an
80:20 ratio, with 80\% used for training and 20\% for testing. The developed model
achieves an accuracy of 88.41\%, with precision, recall, and F1-score at similar
levels. Further evaluation through user testing with 35 participants analyzing 7,415
comments indicates a detection accuracy of 68.6\%. As an implementation, this
model is integrated into a Google Chrome plugin that detects hate speech in TikTok
comments in real time, featuring probability visualization and user validation
mechanisms. 


Keywords : Hate speech detection, Na{\"i}ve Bayes, TikTok, sentiment analysis,  
  machine learning, Google Chrome plugin.
 }
}