Menurut survei yang dilakukan badan Litbang SDM Kominfo pada tahun 2017 terdapat sekitar 92,82 % pengguna sosial media di Indonesia. Namun, terdapat pesan atau opini negatif dalam media sosial yang dapat merupakan ujaran kebencian. Penelitian ini bertujuan untuk melakukan analisis sentiment multilabel pada ujaran kebencian. Penelitian ini menggunakan gabungan model antara pre trained indoBert, BiLSTM-CNN dengan Hyperparameter Grid Search. Dataset yang digunakan untuk melatih model tersebut yaitu kumpulan twit berbahasa Indonesia sejumlah 13.169 dengan 12 label. Hasil pengujian dengan gabungan model yang sudah disebutkan, didapat nilai hamming score tertinggi pada test set adalah 72,61% dengan hyperparameter terbaik adalah batch size sebesar 90, dengan epoch 50, model dropout rate sebesar 0.2, model neuron 30, dan optimizer nya adalah ‘Adamax’.
Kata kunci:
Analisis Sentimen, ujaran kebencian, BiLSTM-CNN, IndoBERT, Hyperparameter Optimization Grid Search.