Deteksi Perundungan Siber (Cyberbullying) pada Instagram Menggunakan Metode Naive Bayes Classifier dengan Lexicon Based Features

Putra Pandu Adikara, S. Kom., M.Kom., and Sigit Adinugroho, S. Kom., M.Sc., (2020) Deteksi Perundungan Siber (Cyberbullying) pada Instagram Menggunakan Metode Naive Bayes Classifier dengan Lexicon Based Features. Sarjana thesis, Universitas Brawijaya.

Abstract

Salah satu media sosial yang saat ini sedang populer dan sangat diminati para kaum remaja adalah Instagram. Instagram merupakan salah satu dari aplikasi yang penggunanya dapat berbagi foto maupun video melalui jejaring sosial dan fitur yang disediakan oleh Instagram juga banyak sekali, salah satunya ialah fitur “comment” atau komentar. Namun, masih banyak para pengguna Instagram yang menjadikan media sosial sebagai ajang untuk saling merundung dan menjatuhkan satu sama lain. Dengan demikian penelitian ini mencoba mendeteksi perundungan (cyberbullying) pada kolom komentar untuk diklasifikasikan menjadi dua kelas yaitu kelas cyberbullying dan non-cyberbullying. Pada penelitian ini metode yang digunakan adalah Naïve Bayes Classifier dengan Lexicon Based Features. Proses klasifikasi terdiri dari preprocessing yang diantaranya case folding, cleaning, tokenization, normalisasi kata, seleksi fitur dengan menggunakan kamus/lexicon dan klasifikasi menggunakan metode Naïve Bayes Classifier. Hasil evaluasi tertinggi didapatkan pada fold ke-2 dengan mengimplementasikan K-Fold Cross Validation dengan nilai k=5 yaitu akurasi sebesar 91%, precision sebesar 96%, recall sebesar 86% dan f-measure sebesar 90%.

Item Type:	Thesis (Sarjana)
Identification Number:	0520150418
Uncontrolled Keywords:	klasifikasi, instagram, naïve bayes, lexicon based features
Subjects:	000 Computer science, information and general works > 004 Computer science
Depositing User:	Budi Wahyono Wahyono
Date Deposited:	16 Aug 2022 02:02
Last Modified:	16 Aug 2022 02:02
URI:	http://repository.ub.ac.id/id/eprint/193253

Text (DALAM MASA EMBARGO) 0520150418 - Salsabila Insani.pdf Restricted to Registered users only until 31 December 2023. Download (3MB)

Actions (login required)

View Item