DETEKSI CYBERBULLYING PADA KOMENTAR SOSIAL MEDIA DENGAN KLASIFIKASI TEKS

Pradanto, Muhammad Ilham (2023) DETEKSI CYBERBULLYING PADA KOMENTAR SOSIAL MEDIA DENGAN KLASIFIKASI TEKS. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (131kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (901kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (513kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (793kB)
	Text (BAB V) BAB V.pdf Download (90kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (192kB)
	Archive (SOURCE CODE) Source Code - Muhammad Pradanto.zip Restricted to Repository staff only Download (1MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (1MB)

Abstract

Penggunaan media internet di Indonesia terus mengalami peningkatan setiap tahunnya pada tahun 2023 tercatat sebanyak 215 juta penduduk menggunakan internet. Seiring dengan meningkatnya penggunaan media internet beberapa platform media sosial seperti Facebook, Twitter, Instagram juga semakin populer di kalangan masyarakat. Namun, media sosial ini tidak lepas dari bahaya cyberbullying yang sering dilakukan oleh pengguna khususnya pada kolom komentar. Bahaya cyberbullying tentunya meresahkan banyak orang dikarenakan dampak yang ditimbulkan, maka salah satu upaya untuk mencegah terjadinya bullying di media sosial adalah dengan melakukan analisis sentimen pada kolom komentar media sosial yang bertujuan untuk mengetahui sentimen dari setiap komentar. Analisis sentimen merupakan suatu cabang ilmu dari text mining yang digunakan untuk mengekstrak, memahami, dan mengolah data teks. Untuk mengetahui setiap sentimen pada komentar digunakan fitur Term FrequencyInverse Document Frequency (TF-IDF) dan beberapa metode klasifikasi seperti Logistic Regression, Decision Tree, Random Forest, K-Nearest Neighbors, Gradient Boosting, Multinomial Naive Bayes. Dataset didapatkan dari kaggle dengan judul “Cyberbullying Bahasa Indonesia” yang berisi 650 sample komentar. Dokumen komentar dibagi menjadi 80% data latih dan 20% data uji. Berdasarkan pengujian yang dilakukan didapatkan hasil terbaik pada metode Random Forest dengan akurasi sebesar 97%, precision sebesar 94,44%, 97% recall. dan f1-score sebesar 89,47%. Untuk mempermudah akses pengguna maka model tersebut akan diimplementasikan ke dalam sebuah website.

Actions (login required)

View Item