Klasifikasi Komentar Cyberbullying pada Media Sosial Instagram Menggunakan Algoritma Support Vector Machine (SVM) Berbasis Orange Data Mining
Keywords:
Cyberbullying, Media Sosial, Support Vector Machine, Klasifikasi, Orange Data MiningAbstract
Media sosial menjadi sarana komunikasi yang banyak digunakan masyarakat untuk berbagi informasi dan berinteraksi secara online. Namun, tingginya penggunaan media sosial juga memunculkan berbagai permasalahan, salah satunya cyberbullying. Cyberbullying merupakan tindakan perundungan melalui media digital berupa hinaan, ejekan, atau komentar negatif yang dapat berdampak buruk bagi korban. Oleh karena itu, diperlukan metode yang mampu mengidentifikasi komentar cyberbullying secara otomatis.Penelitian ini bertujuan untuk mengklasifikasikan komentar cyberbullying pada media sosial menggunakan algoritma Support Vector Machine (SVM) berbasis Orange Data Mining. Dataset yang digunakan berupa komentar berbahasa Indonesia yang telah memiliki label cyberbullying dan non-cyberbullying. Tahapan penelitian meliputi preprocessing data, pembagian data training dan testing, proses klasifikasi menggunakan algoritma SVM, serta evaluasi model menggunakan confusion matrix dan nilai akurasi.Hasil penelitian menunjukkan bahwa algoritma SVM mampu mengklasifikasikan komentar cyberbullying dengan baik berdasarkan pola kata pada dataset. Penggunaan Orange Data Mining juga mempermudah proses analisis data dan visualisasi model klasifikasi tanpa memerlukan pemrograman yang kompleks. Penelitian ini diharapkan dapat membantu proses deteksi cyberbullying pada media sosial secara lebih cepat dan efisien.
References
Attyyatullatifah, I., & Kamayani, M. (2024). Indonesian Journal of Computer Science. 13(1), 3127–3140.
Azizah, H. N. (2023). Visualisasi analisis sentimen siberbullying pada post instagram menggunakan orange data mining. 1(1), 42–48.
Cetak, I., & Online, I. (2023). DECODE : Jurnal Pendidikan Teknologi Informasi. 3(2), 161–171.
Dwita, I., & Tarigan, S. (2023). Evaluasi Algoritma Klasifikasi Machine Learning Kategori Nilai Akhir Tunjangan Kinerja Pegawai. 6(3), 251–261.
Hidajat, M., Adam, A. R., & Danaparamita, M. (n.d.). Dampak media sosial dalam. 6(1), 72–81.
Informatika, M., Amikom, U., & Kunci, K. (n.d.). PENERAPAN METODE SUPPORT VECTOR MACHINE UNTUK ANALISIS Informatika Universitas Amikom Yogyakarta Abstraksi Keywords : Pendahuluan Tinjauan Pustaka.
Kunci, K. (2023). Indonesian Journal of Computer Science. 12(1), 2173–2181.
Lukman, K., & Novianto, S. (2025). Komparasi Algoritma Naïve Bayes dan SVM untuk Identifikasi Cyberbullying Selebriti di Media Sosial Twitter. 970–981. https://doi.org/10.33364/algoritma/v.22-1.2196
Mazya, S., Tyas, P., Sarno, R., & Rintyarna, B. S. (2024). Analisis Perbandingan Metode Klasifikasi Sentimen Berita Saham : Pendekatan Machine Learning , Deep Learning , Transfer Learning , dan Graf. 9(1), 58–64.
Nugraha, D., Astuti, P., Informatika, P. S., Mandiri, U. N., Informatika, P. S., & Mandiri, U. N. (2023). MEDIA INSTAGRAM MENGGUNAKAN METODE. 8(2), 153–164.
Riadi, S., Utami, E., & Yaqin, A. (2023). Comparison of NB and SVM in Sentiment Analysis of Cyberbullying using Feature Selection. 7(4), 2414–2424.
Ridwansyah, T. (2022). Implementasi Text Mining Terhadap Analisis Sentimen Masyarakat Dunia Di Twitter Terhadap Kota Medan Menggunakan K-Fold Cross Validation Dan Naïve Bayes Classifier. 2(5), 178–185.
Ruziqiana, M. F., Hidayah, L., & Rasyidi, M. A. (2024). DETECTION OF CYBERBULLYING USING SVM , NAIVE BAYES , AND RANDOM FOREST ALGORITHM. 12(3).
Yolanda, A. M., & Mulya, R. T. (2024). Implementasi Metode Support Vector Machine untuk Analisis Sentimen pada Ulasan Aplikasi Sayurbox di Google Play Store. 6(2), 76–83. https://doi.org/10.35580/variansiunm258
