EPrints Universitas Amikom YogyakartaANALISIS KOMUNIKASI NEGATIF PADA SOSIAL MEDIA X BERDASARKAN HATE SPEECH DAN ABUSIVE LANGUAGE MENGGUNAKAN ALGORITMA NAIVE BAYESDhani JamiatulHikmahauthorPerkembangan media sosial telah mendorong perubahan pola komunikasi masyarakat, di mana pengguna dapat menyampaikan pendapat secara bebas dan terbuka. Namun, kondisi ini juga memicu munculnya komunikasi negatif seperti hate speech dan abusive language yang dapat menimbulkan konflik sosial, menurunkan kualitas diskusi publik, serta berdampak negatif terhadap lingkungan digital. Tingginya volume data pada media sosial X (sebelumnya Twitter) menyebabkan proses identifikasi komunikasi negatif secara manual menjadi sulit dilakukan. Oleh karena itu, diperlukan suatu pendekatan otomatis yang mampu mengidentifikasi dan mengklasifikasikan komunikasi negatif secara efektif dan efisien. Penelitian ini menggunakan metode kuantitatif dengan pendekatan text mining untuk menganalisis komunikasi negatif pada media sosial X. Data yang digunakan berupa dataset Indonesian Abusive and Hate Speech Twitter Text yang telah dianotasi. Tahapan penelitian meliputi preprocessing data yang terdiri dari case folding, tokenizing, stopword removal, dan stemming, kemudian dilanjutkan dengan proses klasifikasi menggunakan algoritma Naive Bayes. Data dibagi menjadi data training dan data testing untuk membangun dan menguji model. Selanjutnya, dilakukan evaluasi model menggunakan confusion matrix dengan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mampu mengklasifikasikan komunikasi negatif dengan baik berdasarkan kategori hate speech dan abusive language. Penelitian ini memberikan kontribusi dalam pengembangan analisis komunikasi digital berbasis bahasa Indonesia serta dapat dimanfaatkan oleh pengembang sistem, peneliti, dan pihak terkait dalam mendeteksi serta mengelola konten negatif di media sosial. Untuk penelitian selanjutnya, disarankan menggunakan metode yang lebih kompleks atau membandingkan beberapa algoritma guna meningkatkan akurasi model.004 Pemrosesan data dan ilmu komputer2026-05-25Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.