Analisis Klasifikasi Komentar Cyberbullying Pada Media Sosial (Studi Kasus : Komentar Netizen Pada Instagram Dan Youtube)
Abstract
Cara orang berkomunikasi telah berubah secara signifikan dalam beberapa
dekade terakhir. Bentuk kemajuan teknologi saat ini adalah dengan mudahnya
manusia dapat bertukar informasi melalui jejaring media sosial. Namun dampak
dari kemajuan teknologi yang pesat ini menyebabkan munculnya perilaku bullying
di jejaring media sosial, berupa komentar-komentar menghina. Tindakan ini disebut
sebagai cyberbullying. Cyberbullying berdampak pada psikologis korban, bahkan
tidak menutup kemungkinan fisik korban. Sering kali netizen tidak waspada bahwa
ungkapannya pada media sosial mengandung unsur cyberbullying yang bisa di
perkara secara hukum. Terlebih, tindakan tersebut bisa menyakiti orang lain.
Urgensi penggunaan teknologi dalam pertukaran informasi mendorong pemerintah
mengeluarkan UU ITE pada tahun 2008. Di dalam peraturan tersebut, cyberbullying
diatur dalam pasal 27 ayat (3), pasal 27 ayat (4), pasal 28 ayat (2), dan pasal 29,
mengenai bentuk tindakan yang termasuk dalam cyberbullying. Oleh karena itu,
pada penelitian ini berupaya membangun sebuah sistem untuk mampu memberikan
suatu peringatan kepada netizen terhadap komentarnya yang mungkin mengandung
cyberbullying. Metode yang digunakan adalah Natural Language Processing
(NLP), menggunakan algoritma Random Forest untuk mengklasifikasi komentar.
Berbasis model tersebut, website dibangun sebagai user interface model. Data yang
dikumpulkan berupa komentar dari media sosial Instagram dan Youtube sebanyak
4490 komentar yang dikategori menjadi 2 klasifikasi. Selanjutnya menggunakan
metode SMOTE untuk menyelesaikan permasalahan imbalanced data total data
yang digunakan adalah 7162 komentar. Menggunakan algoritma Random Forest
dengan optimalisasi parameter menggunakan Gridsearch hyperparameter tuning,
hasilnya didapatkan didapat nilai accuracy mencapai 0.960921 dengan nilai
precision sebesar 0.946794 dan nilai recall sebesar 0.97609.
Collections
- Statistics [901]