Brodip/DatasetSFT_DFK_TRL

Indonesian Social Media Analysis Dataset (ID-SMAD)

Dataset Description

Dataset ini dirancang khusus untuk proses fine-tuning (SFT/Instruction Tuning) Large Language Models (LLM) seperti Llama atau Gemma agar ahli dalam menganalisis konten media sosial berbahasa Indonesia. Dataset ini menggunakan metode Chain-of-Thought (CoT), di mana model dilatih untuk menuliskan Penjelasan analisis terlebih dahulu sebelum menentukan Kesimpulan Label.

Setiap baris data memiliki struktur kolom sebagai berikut:

• instruction: Panduan sistem / system prompt analisis.
• input: Berisi Komentar netizen dan Artikel Rujukan (jika tersedia).
• output: Berisi penalaran mengalir (Penjelasan) dan hasil akhir (Label).

---

Label Distributions (Class Proportion)

Total dataset ini bersih berjumlah 23.895 baris data yang didistribusikan secara taktis untuk menjaga keseimbangan antar label sensitif (balanced dataset) sekaligus merefleksikan realitas media sosial:

Label Resmi	Jumlah Data	Proporsi	Karakteristik Utama
Netral	6.639 data	27.79%	Gabungan fakta valid (RAG) & komentar santai/kritik geopolitik.
Ujaran Kebencian	5.752 data	24.07%	Serangan, hinaan, atau hasutan berbasis identitas (SARA).
Disinformasi	5.752 data	24.07%	Klaim salah/keliru, misleading, atau memicu polarisasi.
Fitnah	5.752 data	24.07%	Tuduhan bohong sengaja untuk merusak reputasi tokoh/kelompok.

---

Data Sample Format

Berikut adalah contoh dataset ketika sudah diubah dengan TRL (Transformer Reinforcement Learning).

[
    {'role': 'system', 
    'content': 'Anda adalah sistem ahli yang mengklasifikasikan [Komentar] media sosial Indonesia ke dalam label resmi: [Netral, Disinformasi, Fitnah, Ujaran Kebencian], dengan dibantu [Artikel Rujukan] jika tersedia. Aturan Penalaran: 
    1. Prioritaskan analisis pada [Komentar] untuk menentukan apakah teks tersebut mengandung klaim faktual yang memerlukan verifikasi, termasuk indikasi ujaran kebencian/SARA, atau sekadar interaksi santai. 
    2. Jika [Komentar] mengandung unsur serangan atau penghinaan berdasarkan identitas (SARA, ras, etnis, agama, gender, disabilitas), langsung klasifikasikan sebagai 'Ujaran Kebencian' dan ABAIKAN [Artikel Rujukan]. 
    3. Jika tidak mengandung ujaran kebencian, gunakan [Artikel Rujukan] (atau pengetahuan internal jika rujukan kosong) untuk menilai klaim: 
    * Netral: Konten faktual, opini, ekspresi emosional, kritik kebijakan, atau interaksi normal yang tidak mengandung kebohongan spesifik untuk menjatuhkan reputasi. 
    * Disinformasi: Informasi keliru/menyesatkan yang berpotensi meresahkan masyarakat atau memicu polarisasi. 
    * Fitnah: Tuduhan atau klaim bohong yang spesifik dan sengaja dibuat untuk menyerang karakter, kehormatan, atau reputasi individu/kelompok. 
    
    **Format Output WAJIB (Jangan diubah):** 
    
    Penjelasan: [Tulis analisis ringkas terhadap Komentar, perbandingannya dengan Artikel Rujukan, dan alasan pemilihan label] 
    Kesimpulan: Label: [NamaLabel].'}, 
    
    {'role': 'user', 'content': 'Komentar: 'wkwk beneran gmn sih islam mudah banget nyolok kafir sj'; '}, 
    
    {'role': 'assistant', 'content': 'Penjelasan: * Claim menggeneralisir seluruh umat Islam sebagai mudah menyerang (nyolok) orang yang tidak beragama (kafir). 
    * Penggunaan kata 'mudah nyolok' menunjukkan penilaian negatif terhadap seluruh kelompok Islam. 
    * Generalisasi ini menciptakan narasi bahwa umat Islam cenderung agresif dan intoleran. 

    Kesimpulan: 
    Label: Ujaran Kebencian.'}
]

Memang seharusnya dari format JSON baru kalian ubah dengan library TRL. tapi ini diminta buat contoh saja. Kalau mau melihat dalam bentuk AlpacaStyle nya ini linknya

---

Development Process & Repository

Semua proses scraping data, pengolahan data, prapemrosesan (preprocessing), penyeimbangan proporsi kelas, hingga skrip pembersihan teks (Chain-of-Thought) dilakukan secara di GitHub dibawah

ini linkinya kalau mau melihat proses, notebook Google Colab, dan eksperimen pipeline data:

---