Deteksi Cyberbullying Pada Tweet Berbahasa Inggris Dengan Metode Support Vector Machine
Abstract
Cyberbullying dianggap sebagai salah satu kejahatan dunia maya yang paling umum Dalam bentuk ancaman atau pelecehan elektronik, Juga dikenal sebagai intimidasi online. Dalam jeratan hukum terhadap pelaku cyberbullying, kurangnya pemahaman pengguna media sosial, khususnya di Amerika Serikat, yang mana merupakan posisi pertama dalam penggunaan Twitter membuat banyak kasus cyberbullying tidak ditanggapi dengan serius. Klasifikasi dilakukan dengan menggunakan metode Support Vector Machine dimana metode ini bertujuan mencari hyperplane pemisah antara kelas negatif dan positif. Proses dimulai dengan melakukan Preprocessing data dengan tahapan case folding, tokenization, stopwords Removal dan stemming, dan pembobotan data. Setelah data selesai dikonfigurasi, kami menggunakan metode Support Vector Machine dan menunjukkan hasil yang didapatkan dalam pengujian ini adalah nilai akurasi 90,59%, recall 92,74%, precision 95,42% dan f-measure 94,06%.
Keywords
Full Text:
PDFReferences
L. Afina, H. Raudhoti, A. Herdiani, Romadhony, and Ade, “Identifikasi Cyberbullying pada Kolom Komentar Instagram dengan Metode Support Vector Machine dan Semantic Similarity (Cyberbullying Identification on Instagram Comment Using Support Vector Machine and Semantic Similarity ),” vol. 4, no. 1, pp. 1–8, 2020, [Online]. Available: http://jcosine.if.unram.ac.id/.
L. Zhang, R. Ghosh, M. Dekhil, M. Hsu, and B. Liu, “Combining lexicon-based and learning-based methods for twitter sentiment analysis,” HP Lab. Tech. Rep., no. 89, 2011.
A. Novantirani, M. K. Sabariah, and V. Effendy, “Analisis Sentimen pada Twitter untuk Mengenai Penggunaan Transportasi Umum Darat Dalam Kota dengan Metode Support Vector Machine,” e-Proceeeding Eng., vol. 2, no. 1, pp. 1–7, 2015.
A. Geet et al., “Classification of Hate Speech Using Deep Neural Networks To cite this version : HAL Id : hal-03101938 Classification of Hate Speech Using Deep Neural Networks,” 2021.
S. Almutiry and M. Abdel Fattah, “Arabic CyberBullying Detection Using Arabic Sentiment Analysis,” Egypt. J. Lang. Eng., vol. 8, no. 1, pp. 39–50, 2021, doi: 10.21608/ejle.2021.50240.1017.
T. Kurniawan, “Implementasi Text Mining Pada Analisis Sentimen Pengguna Twitter Terhadap Media Mainstream Menggunakan Naïve Bayes Classifier Dan Support Vector Machine Media Mainstream Menggunakan Naïve Machine,” IT J., vol. 23, p. 1, 2017.
R. M. Kamal and E. Rainarli, “Analisis Sentimen Cyberbullying Pada Komentar Facebook Dengan Metode Klasifikasi Support Vector Machine,” Univ. Komput. Indones., 2019.
J. Patihullah and E. Winarko, “Hate Speech Detection for Indonesia Tweets Using Word Embedding And Gated Recurrent Unit,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 13, no. 1, p. 43, 2019, doi: 10.22146/ijccs.40125.
S. J. Lewis, “Thumbs up,” Am. J. Orthod. Oral Surg., vol. 31, no. 9, pp. 481–482, 1945, doi: 10.1016/0096-6347(45)90048-2.
N. M. G. D. Purnamasari, M. A. Fauzi, Indriarti, and L. S. Dewi, “Identifikasi Tweet Cyberbullying pada Aplikasi Twitter menggunakan Metode Support Vector Machine ( SVM ) dan Information Gain ( IG ) sebagai Seleksi Fitur,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 11, pp. 5326–5332, 2018.
A. S. Hutagalung, A. B. P. Negara, and E. E. Pratama, “Aplikasi Pendeteksi Cyberbullying Terhadap Komentar Postingan Media Sosial Instagram dengan Metode Naïve Bayes ClassifierBerbasis Website,” JUSTIN (Jurnal Sist. dan Teknol. Informasi), vol. XI, no. 3, pp. 364–371, 2021, doi: 10.26418/justin.v9i3.44843.
Refbacks
- There are currently no refbacks.
Editorial Office :
Prosiding SENDIKO (Seminar Nasional Hasil Penelitian & Pengabdian Masyarakat Bidang Ilmu Komputer)
Published by Universitas PGRI Madiun
Managed by Program Studi Sistem Informasi Fakultas Teknik Universitas PGRI Madiun
Address Jl. Auri 14-16 Kota Madiun Kampus III Universitas PGRI Madiun 63118
Website http://prosiding.unipma.ac.id/index.php/sendiko/index
Email sendiko@unipma.ac.id
e-ISSN: 3025-4604