Ralat Bahasa Kasar pada Sosial Media: Stilistika atau Ujaran Kebencian?
Keywords:
Abusive language, Stylistics, Hate speechAbstract
Kemajuan teknologi informasi seperti sekarang ini memberi kemudahan kepada setiap orang untuk saling berbagi informasi melalui sosial media termasuk Podcast Youtube. Namun, fenomena tersebut bukan tanpa masalah karena banyak informasi yang disebarkan mengandung kata-kata kasar diujarkan dengan berbagai gaya sehingga menimbulkan berbagai macam interpretasi di masyarakat baik hanya sekedar stilistika atau sudah termasuk ujaran kebencian. Penelitian linguistik forensik ini bertujuan untuk menganalisis bahasa kasar Rocky Gerung yang diungkapkan dengan cara diralat dalam Podcastnya. Dua ahli bahasa dan dua ahli hukum diwawancarai untuk mendapatkan interpretasi dari ujaran bahasa kasar tersebut. Penelitian ini menemukan bahwa menurut ahli hukum bahasa kasar yang diujarkan untuk pihak lain pada sosial media memiliki potensi masuk kedalam ujaran kebencian daripada hanya sekedar stilistika karena dapat merendahkan atau menghina pihak tertentu. Hal senada diungkapkan oleh ahli bahasa bahwa perlukusi dari ujaran tersebut memiliki tendensi untuk menyerang pihak lain daripada hanya gaya ujaran. Namun, keempat ahli tersebut sepakat bahwa untuk membuktikan lebih lanjut bahasa kasar yang telah diralat tersebut termasuk stilistika atau ujaran kebencian, maka harus dibuktikan di pengadilan.
References
Agarwal, S., & Chowdary, C. R. (2021). Combating hate speech using an adaptive ensemble learning model with a case study on COVID-19. Expert Systems with Applications, 185(June), 115632. https://doi.org/10.1016/j.eswa.2021.115632
Akhter, M. P., Jiangbin, Z., Naqvi, I. R., AbdelMajeed, M., & Zia, T. (2021). Abusive language detection from social media comments using conventional machine learning and deep learning approaches. Multimedia Systems, 0123456789. https://doi.org/10.1007/s00530-021-00784-8
Ansari, S., & Gupta, S. (2021). Customer perception of the deceptiveness of online product reviews: A speech act theory perspective. International Journal of Information Management, 57(December 2020), 102286. https://doi.org/10.1016/j.ijinfomgt.2020.102286
Aprilianti, N. (2022). Disindir Edy Mulyadi Macan Mengeong, Prabowo: Sudah Ada yang Urus. https://nasional.sindonews.com/read/668467/13/disindir-edy-mulyadi-macan-mengeong-prabowo-sudah-ada-yang-urus-1643205665
Ayo, F. E., Folorunso, O., Ibharalu, F. T., Osinuga, I. A., & Abayomi-Alli, A. (2021). A probabilistic clustering model for hate speech classification in twitter. Expert Systems with Applications, 173(February), 114762. https://doi.org/10.1016/j.eswa.2021.114762
Ibrohim, M. O., & Budi, I. (2018). A Dataset and Preliminaries Study for Abusive Language Detection in Indonesian Social Media. Procedia Computer Science, 135, 222–229. https://doi.org/10.1016/j.procs.2018.08.169
Kapil, P., & Ekbal, A. (2020). A deep neural network based multi-task learning approach to hate speech detection. Knowledge-Based Systems, 210, 106458. https://doi.org/10.1016/j.knosys.2020.106458
Kemkominfo. (2016). Undang-Undang Republik Indonesia Nomor 19 Tahun 2016 Tentang Informasi Dan Transaksi Elektronik. UU No. 19 Tahun 2016, 1, 1–31. https://web.kominfo.go.id/sites/default/files/users/4761/UU 19 Tahun 2016.pdf
Khairy, M., Mahmoud, T. M., & Abd-El-Hafeez, T. (2021). Automatic Detection of Cyberbullying and Abusive Language in Arabic Content on Social Networks: A Survey. Procedia CIRP, 189, 156–166. https://doi.org/10.1016/j.procs.2021.05.080
Lee, H. S., Lee, H. R., Park, J. U., & Han, Y. S. (2018). An abusive text detection system based on enhanced abusive and non-abusive word lists. In Decision Support Systems (Vol. 113). Elsevier B.V. https://doi.org/10.1016/j.dss.2018.06.009
Licea-Haquet, G. L., Velásquez-Upegui, E. P., Holtgraves, T., & Giordano, M. (2019). Speech act recognition in Spanish speakers. Journal of Pragmatics, 141, 44–56. https://doi.org/10.1016/j.pragma.2018.12.013
Nazemi, F., Mohammadkhani, P., & Khoshabi, K. (2010). Parent management training used in abusive parent - Child interaction in children with ADHD. Procedia - Social and Behavioral Sciences, 5, 244–249. https://doi.org/10.1016/j.sbspro.2010.07.081
Neme, A., Pulido, J. R. G., Muñoz, A., Hernández, S., & Dey, T. (2015). Stylistics analysis and authorship attribution algorithms based on self-organizing maps. Neurocomputing, 147(1), 147–159. https://doi.org/10.1016/j.neucom.2014.03.064
Okky Ibrohim, M., Sazany, E., & Budi, I. (2019). Identify abusive and offensive language in indonesian twitter using deep learning approach. Journal of Physics: Conference Series, 1196(1). https://doi.org/10.1088/1742-6596/1196/1/012041
Putra, E. T., & Rosa, R. N. (2019). the Analysis of Speech Style Used By Ellen Degeneres in Ellen Talk Show. English Language and Literature, 8(3). https://doi.org/10.24036/ell.v8i3.105800
Stefano, H. (2021). Disrupsi Informasi dan Upaya Meminimalisir Dampak Buruknya. April.
Svetlana, K., Isar, N., & Fraser, K. C. (2012). Confronting Abusive Language Online: A Survey from the Ethical and Human Rights Perspective. National Research Council Canada.
Tomoda, A., Sheu, Y. S., Rabi, K., Suzuki, H., Navalta, C. P., Polcari, A., & Teicher, M. H. (2011). Exposure to parental verbal abuse is associated with increased gray matter volume in superior temporal gyrus. NeuroImage, 54(SUPPL. 1), S280–S286. https://doi.org/10.1016/j.neuroimage.2010.05.027
Wales, K. (2006). Definition and Domain. 213–217. https://www.sciencedirect.com/science/article/pii/B0080448542005484
