Deep Learning Inter-modal: Inovasi Baru untuk Melawan Penyebaran Berita Palsu
Artikel yang ditulis oleh Eniafe Festus Ayetiran dan zlem zgbek (2024) dalam Information Systems menyoroti pentingnya framework deep learning berbasis perhatian inter-modal untuk mendeteksi konten berbahaya seperti berita palsu, ujaran kebencian, dan bahasa ofensif. Dengan semakin banyaknya pengguna media sosial dan pertumbuhan konten digital, masalah penyebaran informasi yang salah dan ujaran kebencian menjadi semakin serius. Pada 2023, menurut data dari Statista, jumlah pengguna media sosial global mencapai 4,9 miliar orang, sebuah angka yang mencerminkan besarnya tantangan dalam mengelola dan memoderasi konten berbahaya di platform daring.
Framework yang diusulkan dalam artikel ini menawarkan pendekatan inovatif dengan menggabungkan teks, gambar, dan teks-gambar (image-text) ke dalam satu representasi unified modality. Teknologi seperti Optical Character Recognition (OCR) dan image captioning digunakan untuk mengekstraksi teks dari gambar, memungkinkan model untuk memanfaatkan berbagai sumber informasi. Hal ini memberikan keunggulan yang signifikan dibandingkan pendekatan yang hanya mengandalkan satu modalitas, seperti teks atau gambar saja.
Penelitian ini penting karena mencerminkan tren terbaru dalam pengembangan sistem deteksi otomatis berbasis kecerdasan buatan (AI) yang lebih efisien. Dalam beberapa tahun terakhir, kebutuhan akan model yang dapat mendeteksi dan mengatasi berita palsu serta ujaran kebencian semakin mendesak. Pada tahun 2022, European Commission melaporkan bahwa sekitar 40% pengguna internet di Eropa terpapar berita palsu secara teratur. Oleh karena itu, solusi seperti yang diusulkan oleh Ayetiran dan zgbek sangat relevan dalam menghadapi ancaman konten berbahaya yang terus meningkat di dunia maya.
***
Framework yang dikembangkan oleh Ayetiran dan zgbek (2024) menawarkan pendekatan inovatif dalam mendeteksi berita palsu, ujaran kebencian, dan bahasa ofensif. Framework ini menggunakan teknologi deep learning berbasis perhatian inter-modal untuk menyatukan modalitas berbeda, seperti teks, gambar, dan teks-gambar (image-text), ke dalam satu sistem yang lebih terintegrasi. Salah satu keunggulan utama dari pendekatan ini adalah kemampuannya untuk mengatasi tantangan yang sering dihadapi dalam pemahaman konten multimodal, seperti "heterogeneity gap" dan "semantic gap" --- di mana modalitas yang berbeda sering kali memiliki karakteristik yang tidak mudah diselaraskan.
Framework ini memanfaatkan arsitektur gabungan dari Bidirectional Long Short-Term Memory (BiLSTM) dan Convolutional Neural Network (CNN), dua teknik deep learning yang sudah terbukti efektif dalam pemrosesan teks dan gambar. Dengan menggunakan BiLSTM, sistem ini mampu menangkap konteks sekuensial dari teks, sementara CNN digunakan untuk mengekstraksi fitur spasial dari gambar. Teknologi Optical Character Recognition (OCR) dan image captioning digunakan untuk mengubah informasi gambar menjadi teks, memungkinkan berbagai modalitas ini untuk diolah secara bersama-sama.
Hasil dari eksperimen yang dilakukan dalam penelitian ini menunjukkan peningkatan kinerja yang signifikan. Misalnya, pada dataset PolitiFact yang digunakan untuk deteksi berita palsu, model ini mencapai tingkat akurasi 94%, mengungguli model lain seperti SAFE dan MCNN yang masing-masing hanya mencapai 87,4% dan 88,4%. Pada dataset MMHS150K yang digunakan untuk deteksi ujaran kebencian, framework ini mencapai tingkat akurasi 68,7%, lebih baik dibandingkan model-model sebelumnya yang berkisar antara 68,2% hingga 68,5%. Sementara itu, dalam mendeteksi bahasa ofensif menggunakan dataset MultiOFF, model ini berhasil mencapai tingkat akurasi sebesar 71,8%, mengungguli model MemeFier yang hanya mencapai 68,5%.
Selain itu, penerapan framework ini juga memberikan dampak yang signifikan dari segi penghematan waktu dan sumber daya. Dengan integrasi multimodal, sistem ini mampu memproses data secara lebih efisien tanpa perlu melakukan analisis terpisah untuk setiap modalitas. Dalam konteks dunia nyata, kemampuan untuk memproses konten berbahaya di media sosial dengan cepat dan akurat sangat penting, mengingat volume besar konten yang dihasilkan setiap detik. Menurut laporan Data Never Sleeps pada 2023, sekitar 500 juta tweet diposting setiap hari, sementara 350 juta foto diunggah ke Facebook setiap harinya. Angka-angka ini menunjukkan betapa pentingnya pendekatan yang efisien dalam mendeteksi konten berbahaya.
Kontribusi utama dari penelitian ini tidak hanya terletak pada peningkatan akurasi model, tetapi juga pada bagaimana framework ini dapat diterapkan secara luas di berbagai platform digital. Kemampuan untuk menyatukan berbagai modalitas dalam satu sistem menciptakan peluang baru bagi platform media sosial dan layanan berita dalam upaya mereka memerangi penyebaran berita palsu, ujaran kebencian, dan konten ofensif secara lebih efektif.
***
Framework yang diusulkan oleh Ayetiran dan zgbek (2024) memberikan solusi canggih untuk mengatasi tantangan dalam mendeteksi berita palsu, ujaran kebencian, dan bahasa ofensif. Dengan menggabungkan modalitas yang berbeda melalui deep learning berbasis perhatian inter-modal, penelitian ini berhasil meningkatkan akurasi dan efisiensi deteksi konten berbahaya secara signifikan. Hasil-hasil eksperimen menunjukkan keunggulan framework ini dibandingkan dengan model-model sebelumnya, baik dalam hal akurasi maupun kemampuan menangani data multimodal.
Dengan peningkatan yang dihasilkan, framework ini membuka jalan untuk implementasi yang lebih luas, tidak hanya di media sosial tetapi juga di platform berita dan aplikasi lainnya. Langkah selanjutnya dapat mencakup pengembangan lebih lanjut dalam penggunaan modalitas lain seperti video dan audio, yang dapat semakin meningkatkan efektivitas deteksi konten berbahaya di dunia digital.
Referensi
Ayetiran, E. F., & zgbek, . (2024). An inter-modal attention-based deep learning framework using unified modality for multimodal fake news, hate speech and offensive language detection. Information Systems, 123, 102378. https://doi.org/10.1016/j.is.2024.102378
