Pengelompokkan Komentar Pada Media Sosial Instagram Menggunakan Metode K-Means Clustering Untuk Identifikasi Awal Cyberbullying

Abstract

Media sosial selain memberikan dampak positif pada masyarakat juga memiliki dampak negatif. Berdasarkan statistic, 95 persen dari pengguna internet di Indonesia menggunakan internet untuk mengakses jejaring sosial. Secara khusus untuk kalangan muda, Instgram lebih banyak digunakan dibandingkan dengan media sosialnya lainnya seperti Twitter dan Facebook. Dalam hal kasus cyberbullying, kasus yang sering terjadi adalah melalui media sosial twitter dan Instagram. Terdapat sejumlah metode yang umumnya digunakan untuk analisis terhadap kasus cyberbullying seperti SVM (Support Vector Machine), NBC (Naïve Bayes Classifier), C45, K-Nearest Neighbours. Penerapan terhadap sejumlah metode tersebut umumnya di implementasikan pada media social twitter. Sementara pengguna usia muda saat ini lebih banyak menggunakan media social Instagram dibandingkan dengan twitter. Untuk itu penelitian memberikan focus pada analisis cyberbullying pada Instagram melalui penerapamn algoritma K-Mean Clustering. Algoritma ini digunakan untuk mengelompokkan tindakan cyberbullying yang terdapat pada komentar. Dataset yang digunakan pada penelitian ini diambil dari tahun 2019 sampai 2021 dengan jumlah 650 record, terdapat 1827 kata dan sudah memiliki label. Penelitian ini telah berhasil mengelompokkan data yang diuji, dengan nilai threshold 0,5. Hasil penelitian yang didapat untuk pengelompokkan kata yang mengandung bullying pada Instagram menghasikan tingkat accuracy paling tinggi yaitu sebesar 67,38%, nilai precision 76,70%, dan nilai recall 67,48%. Data ini menunjukkan bahwa algoritma k- means dapat mengelompokkan komentar menjadi dua cluster, yaitu cluster bullying dan non-bullying.