aitf-komdigi/KomdigiITS-DFK1-Text

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.

---

Label Distributions (Class Proportion)

Total dataset ini bersih berjumlah 26.342 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
Disinformasi	5.269 data	20%	Klaim salah/keliru, misleading, atau memicu polarisasi.
Fitnah	5.266 data	19.99%	Tuduhan bohong sengaja untuk merusak reputasi tokoh/kelompok.
Ujaran Kebencian	5.752 data	24.07%	Serangan, hinaan, atau hasutan berbasis identitas (SARA).
Fakta	5.269 data	20%	Fakta valid dengan artikel yang diberikan oleh RAG.
Bukan DFK	5.269 data	20%	komentar santai atau ya kritik.

---

Data Sample Format

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

Setiap baris data memiliki struktur kolom sebagai berikut:

• System: Berisi perintah utama atau sistem dasar (system prompt), yang menetapkan peran dan tugas yang harus dijalankan oleh model selama proses fine-tuning.
• User: Berisi data masukan (input) yang terdiri dari dua komponen utama, yaitu teks komentar pengguna internet (netizen). dan artikel rujukan yang berfungsi sebagai dokumen pembandingnya.
• Assistant: Berisi target luaran (output) yang diharapkan dari model. output terdiri dari label klasifikasi, penjelasan deskriptif mengenai keselarasan informasi, serta poin poin terperinci yang menjabarkan alasan logis dibalik pemberian label tersebut berdasarkan artikel rujukan.

Setiap objek data kemudian akan mengikuti chat template ministral 3 sebagai berikut:

[
{
"role": "system",
"content": "Anda adalah sistem deteksi konten DFK berbasis artikel rujukan. Tugas Anda adalah membandingkan klaim dengan artikel rujukan, lalu mengklasifikasikan teks ke dalam salah satu label: Fakta, Disinformasi, Fitnah, Ujaran Kebencian, atau Non-DFK. Jawab dengan format: Label: **NamaLabel.** penjelasan: ..."
},
{
"role": "user",
"content": "Instruksi: Analisis potensi dampak dan keakuratan klaim ini, lalu beri label Disinformasi, Fitnah, Ujaran Kebencian, Fakta, atau Non-DFK disertai penjelasan lengkap.\n\nKlaim: 'anjir skrg Semen Padang mainin PDRM, semoga bisa menang deh ges!';\n\nArtikel Rujukan: Sebelum berlaga menghadapi PSM Makassar di Liga 1 Indonesia 2024/2025, Semen Padang FC akan menjamu tim PDRM FC dari Malaysia.\nLaga persahabatan itu akan berlangsung besok, Sabtu (16/11/2024) di Stadion H Agus Salim Padang. Kick off akan dilaksanakan pada pukul 19.00 WIB.\nDiketahui, Semen Padang FC saat ini masih berada di dasar klasemen sementara Liga 1 Indonesia. Sementara PDRM FC sendiri berada di peringkat ke 6 Liga Super Malaysia."
},
{
"role": "assistant",
"content": "Label: **Bukan DFK.** penjelasan: Komentar ini bersifat ekspresif dan reaktif terhadap pertandingan persahabatan, tidak menambah informasi baru atau klaim fakta, serta tidak mengandung unsur DFK.\n\nBerikut merupakan alasan alasannya:\n* Komentar berisi harapan dan dukungan untuk tim Semen Padang FC.\n* Tidak ada klaim fakta baru atau informasi tambahan yang disampaikan.\n* Bahasa yang digunakan bersifat informal namun tidak mengandung fitnah atau ujaran kebencian.\n\n"
}
]

Memang seharusnya dari format JSON baru diubah 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:

---