Tiga Model Sekaligus
Setiap kalimat dianalisis BERT, RoBERTa, dan XLNet secara berdampingan, lengkap dengan tingkat keyakinan.
Riset Hiliriset-SINERGI 2026
Komunikasi digital yang santun dan berkarakter positif.
BerorNet membaca derajat kesantunan bahasa Gen-Z, lengkap dengan slang, emoji, dan campur kodenya, lalu memberi umpan balik yang mendidik bagi siswa SD, SMP, dan SMA.
CONTOH ANALISIS
BerorNet Playground
3 model aktif
“Wah ide kamu keren banget! Makasih udah sharing ya”
Santun
91%
“Besok kumpul jam 7 di depan perpus”
Netral
84%
“Dasar ga punya otak, malu-maluin aja lo”
Tidak Santun
95%
Teks Anda tidak disimpan secara default
3
Model Transformer
0,78
Krippendorff α anotasi
3.844
Data latih unik
20
Analisis dijalankan
Fitur Terintegrasi
Dari analisis ke refleksi, dalam satu layanan
Dirancang untuk kelas, peneliti, dan pengembang, dengan keamanan dan privasi sebagai fondasi.
Umpan Balik Mendidik
Penjelasan berbasis Face-Saving Theory dan saran perbaikan kalimat, bukan sekadar vonis.
Deteksi Ambiguitas
Bila ketiga model tidak sepakat atau kurang yakin, hasil ditandai ambigu agar dibaca dengan konteks.
REST API Terbuka
Integrasikan ke LMS (Moodle, Google Classroom add-on), WordPress, atau aplikasi sekolah Anda.
Plugin WordPress
Shortcode pemeriksa kesantunan dan moderasi komentar otomatis untuk situs sekolah.
Privasi Sejak Desain
Teks tidak disimpan secara default, cukup sidik jari terenkripsi. Aman untuk pengguna di bawah umur.
Untuk Ekosistem Pendidikan
Bermanfaat untuk setiap peran
Setiap pengguna mendapat cara pakai yang sesuai kebutuhannya.
Guru
Bahan diskusi etika digital di kelas: bandingkan kalimat, bahas strateginya, refleksikan bersama.
Siswa
Cek pesan sebelum dikirim dan pahami mengapa sebuah kalimat terasa kasar atau santun.
Developer & LMS
Hubungkan REST API ke Moodle, WordPress, chatbot, atau forum diskusi sekolah.
Transparansi Model
Tiga arsitektur, ditampilkan berdampingan
Ketiga model dilatih pada 3.844 unggahan unik dan diuji pada 382 unggahan berlabel konsensus dua anotator manusia (α = 0,7779). Antar-manusia pun kesepakatan eksak hanya 58,9%, karena kesantunan itu gradual. Karena itu BerorNet memperlihatkan pendapat setiap model dan menandai hasil yang ambigu.
XLM-RoBERTa
xlm-roberta-base
Multilingual, pralatih CommonCrawl 100 bahasa (2,5 TB).
- F1 · 3 kelas
- 0,6556
- Akurasi
- 0,6518
F1 skema 5 kelas: 0,4051
BERT multilingual
bert-base-multilingual-cased
Multilingual, pralatih Wikipedia 104 bahasa.
- F1 · 3 kelas
- 0,5644
- Akurasi
- 0,5602
F1 skema 5 kelas: 0,4619
XLNet
xlnet-base-cased
Permutation LM; checkpoint pralatih monolingual bahasa Inggris.
- F1 · 3 kelas
- 0,6281
- Akurasi
- 0,6283
F1 skema 5 kelas: 0,3976
Metrik pada set uji emas manusia (n = 382), 3 kelas (Tidak Santun · Netral · Santun). Ensemble (rata-rata probabilitas): F1 0,6331.
Siap membangun budaya komunikasi yang santun?
Daftar dengan email, verifikasi, lalu langsung coba playground dan buat API key.