Media sosial X (sebelumnya dikenal sebagai Twitter) merupakan platform
komunikasi publik yang luas dan cepat, namun rentan digunakan untuk
menyebarkan ujaran kebencian (hate speech). Salah satu komunitas yang aktif di
media sosial ini adalah komunitas game Genshin Impact, yang sering kali terlibat
dalam interaksi intens dan berpotensi mengandung ujaran kebencian. Penelitian ini
bertujuan untuk mengklasifikasikan hate speech dalam komunitas tersebut dengan
menggunakan algoritma Recurrent Neural Network (RNN). Dataset yang
digunakan terdiri dari 2100 tweet yang telah melalui proses preprocessing dan
dilabeli menggunakan tiga metode: manual, TextBlob, dan VADER. Penelitian ini
mengevaluasi performa model RNN berdasarkan metrik akurasi, presisi, recall, dan
f1-score, dengan kombinasi epoch (10, 20, 30, 40, 50) dan batch size (32, 64). Hasil
penelitian menunjukkan bahwa metode labeling VADER memberikan akurasi
tertinggi sebesar 74,4%, diikuti oleh TextBlob sebesar 60,8%, dan manual sebesar
34,3%. Berdasarkan hasil evaluasi, VADER dinilai sebagai metode labeling yang
paling efektif untuk klasifikasi hate speech dalam komunitas Genshin Impact.
Penelitian ini menunjukkan bahwa penggunaan model RNN dapat memberikan
hasil yang cukup baik dalam mendeteksi hate speech jika dikombinasikan dengan
metode labeling yang sesuai

Kata Kunci : Hate speech, Genshin Impact, RNN, TextBlob, VADER