HOSTJOURNALSHOSTJOURNALS

Bulletin of Computer Science ResearchBulletin of Computer Science Research

Perkembangan teknologi membantu manusia untuk berkomunikasi satu sama lain. Pesatnya perkembangan teknologi telah menyebabkan lahirnya banyak platform media baru. Seiring meningkatnya kemajuan teknologi di era digital ini, keberadaan teknologi informasi memberikan dampak yang besar bagi peradaban manusia. Salah satu bentuknya adalah penggunaan media social. Namun, kemudahan berbagi informasi melalui media sosial tidak luput dari penyalahgunaan oleh para penggunanya. Salah satu bentuk penyalahgunaan adalah cyberbullying yang dilakukan di media sosial, terutama Twitter. Survei Penetrasi Internet dan Perilaku Pengguna Internet di Indonesia tahun 2018 menunjukkan bahwa 49 persen pengguna internet pernah mengalami perundungan dalam bentuk ejekan atau pelecehan di media sosial. Oleh karena itu, dilakukan analisis sentimen melalui media sosial Twitter untuk mengukur nilai akurasi menggunakan algoritma SVM (support vector machine). Analisis sentimen dengan melakukan crawling pada data Twitter sebanyak 1000 data tweet yang berbahasa Indonesia menggunakan tools RapidMiner. Dan klasifikasi dengan algoritma SVM (Support Vector Machine) ini mendapatkan akurasi sebesar 92% dengan pengujian pada proporsi 80:20 yaitu 80% data latih dan 20% data testing. Dari 998 data yang sudah dilakukan preprocessing, mendapatkan 625 data pada kelas positif dan 374 data pada kelas negatif.

Penelitian yang telah dilakukan terdapat kesimpulan yang didapatkan dari hasil analisis sentimen Twitter terhadap cyberbullying menggunakan algoritma SVM adalah sebagai berikut.Analisis sentimen dengan melakukan crawling pada data Twitter sebanyak 1000 data tweet yang berbahasa Indonesia menggunakan tools RapidMiner.Klasifikasi menggunakan algoritma SVM (Support Vector Machine) ini mencapai akurasi sebesar 92% ketika pengujian pada proporsi 80.20 yaitu 80% data latih dan 20% data testing.Dari 998 data telah dilakukan preprocessing, terdapat 625 data pada kelas positif dan 374 data pada kelas negatif.

Untuk penelitian lanjutan, dapat dilakukan dengan memperluas cakupan data yang digunakan, misalnya dengan mengumpulkan data dari berbagai platform media sosial dan bahasa yang berbeda. Selain itu, dapat juga dieksplorasi penggunaan algoritma lain selain SVM untuk analisis sentimen, seperti Naive Bayes atau Deep Learning, dan membandingkan hasilnya dengan metode yang telah digunakan dalam penelitian ini. Selain itu, penelitian ini dapat dikembangkan dengan melakukan analisis lebih mendalam terhadap faktor-faktor yang mempengaruhi sentimen, seperti emosi, konteks, dan pengaruh pengguna lain. Dengan demikian, dapat diperoleh pemahaman yang lebih komprehensif tentang cyberbullying dan cara mengatasinya.

  1. Hoax Detection of Covid-19 News on Social Media using Convolutional Neural Network (CNN) and Support... doi.org/10.21108/ijoict.v9i2.872Hoax Detection of Covid 19 News on Social Media using Convolutional Neural Network CNN and Support doi 10 21108 ijoict v9i2 872
  2. Jurnal Ilmiah Edutic : Pendidikan dan Informatika. jurnal ilmiah edutic pendidikan informatika issn print... doi.org/10.21107/edutic.v7i1.8779Jurnal Ilmiah Edutic Pendidikan dan Informatika jurnal ilmiah edutic pendidikan informatika issn print doi 10 21107 edutic v7i1 8779
  3. Sentiment Analysis Of Cyberbullying On Twitter Using SentiStrength | Khaira | Indonesian Journal of Artificial... ejournal.uin-suska.ac.id/index.php/IJAIDM/article/view/9145Sentiment Analysis Of Cyberbullying On Twitter Using SentiStrength Khaira Indonesian Journal of Artificial ejournal uin suska ac index php IJAIDM article view 9145
  4. Jurnal Ilmiah Edutic : Pendidikan dan Informatika. jurnal ilmiah edutic pendidikan informatika issn print... journal.trunojoyo.ac.id/eduticJurnal Ilmiah Edutic Pendidikan dan Informatika jurnal ilmiah edutic pendidikan informatika issn print journal trunojoyo ac edutic
Read online
File size851.15 KB
Pages9
DMCAReport

Related /

ads-block-test