KOMPARASI ALGORITMA KNN DAN SVM UNTUK DETEKSI PELECEHAN SEKSUAL VERBAL PADA KOMENTAR MEDIA SOSIAL TIKTOK

Kristami, Peni Febrian (2026) KOMPARASI ALGORITMA KNN DAN SVM UNTUK DETEKSI PELECEHAN SEKSUAL VERBAL PADA KOMENTAR MEDIA SOSIAL TIKTOK. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER - ABSTRAK) COVER.pdf - Published Version Download (740kB)
	Text (BAB I) BAB I.pdf - Published Version Download (300kB)
	Text (BAB I) BAB II.pdf - Published Version Download (927kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (253kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (878kB)
	Text (BAB V) BAB V.pdf - Published Version Download (82kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf - Published Version Download (145kB)
	Archive (SOURCE CODE) Sourcecode - 22.12.2292.zip - Published Version Restricted to Repository staff only Download (1MB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (821kB)

Abstract

Pelecehan seksual secara verbal merupakan salah satu bentuk kekerasan yang banyak ditemukan di media sosial, termasuk pada kolom komentar pengguna di platform Tik Tok. Intensitas komentar yang tinggi dengan karakteristik komentar yang singkat, tidak baku, serta sering disampaikan secara implisit menyebabkan komentar sulit terdeteksi. Kondisi ini berpotensi menyebabkan lingkungan digital yang tidak aman khususnya yang menjadi objek seksualisasi. Penelitian ini bertujuan untuk membangun model klasifikasi yang mampu mendeteksi komentar bermuatan pelecehan seksual verbal dengan membandingkan dua algoritma klasifikasi, yaitu K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM). Data penelitian berjumlah 7.063 yang didapat dari komentar konten publik figur Korea di Tik Tok, kemudian diberi label secara manual ke dalam kelas pelecehan seksual dan non-pelecehan seksual. Data komentar diproses melalui tahap pembersihan teks, transformasi data teks ke dalam bentuk vektor numerik menggunakan word embedding LaBSE (Language-agnostic BERT Sentence Embedding), serta pembagian data. Kedua algoritma dilatih dengan data yang sama dan dievaluasi menggunakan metrik accuracy, precision, recall, dan F1-score untuk mengetahui performa model dalam mendeteksi komentar pelecehan seksual verbal. Hasil penelitian menunjukkan algoritma SVM dengan skenario pembagian data 80:20 memberikan performa lebih baik dan stabil dibandingkan KNN. Nilai akurasi mencapai 84% dengan nilai recall dan F1-score kelas pelecehan seksual lebih tinggi dibanding KNN, menunjukkan kemampuan SVM lebih baik dalam mendeteksi kelas minoritas. Secara keseluruhan, penelitian menunjukkan kombinasi algoritma SVM dan LaBSE lebih efektif dalam mendeteksi komentar pelecehan seksual verbal berbasis teks dan dapat dimanfaatkan sebagai dasar pengembangan sistem moderasi konten platform media sosial guna menciptakan ruang digital yang lebih aman.

Actions (login required)

View Item