Dentifikasi Cyberbullying Pada Media Sosial Twitter Menggunakan LSTM Dan BILSTM
Abstract
Cyberbullying menjadi sebuah masalah yang harus mendapat perhatian serius oleh semua
pihak. Di samping tindakan ini merupakan kebiasaan yang buruk, cyberbullying juga
memberikan dampak yang mengerikan, mulai dari gangguan psikis korban, hingga berujung
pada kasus bunuh diri.
Tujuan dari penelitian ini adalah membuat sebuah aplikasi untuk mengidentifikasi konten
yang mengandung makna perundungan secara daring (cyberbullying) pada media sosial. Media
sosial yang dipilih adalah Twitter. Setidaknya, ada 6835 baris data yang telah dikumpulkan.
Data-data tersebut berisi dua jenis cuitan baik cuitan yang memiliki kecenderungan
cyberbullying dan non-cyberbullying.
Untuk mencapai tujuan penelitian, peneliti menggunakan lima langkah penelitian, yaitu
pengumpulan data, preprocessing, klasifikasi, evaluasi, dan deteksi konten. Algoritma Deep
Learning yang diimplementasikan dalam penelitian ini adalah Bidirectional Long Short Term
Memory. Setelah model terbentuk, kemudian dibuat sebuah fitur untuk deteksi konten.
Klasifikasi menggunakan algoritma Bidirectional Long Short Term Memory terbukti
memiliki performa yang lebih baik dibandingkan algoritma Long Short Term Memory. Model
tersebut menjadi inti dari fitur identifikasi cyberbullying yang diimplementasikan dalam
sebuah fitur deteksi konten.
Collections
- Informatics Engineering [2148]