SISTEM KLASIFIKASI KOMENTAR MEDIA SOSIAL UNTUK DETEKSI DINI CYBERBULLYING MENGGUNAKAN TF-IDF DAN SUPPORT VECTOR MACHINE

Famela Okta Vianda; Fajri  Profesio Putra

doi:10.24252/instek.v11i1.66745

Authors

Famela Okta Vianda Politeknik Negeri Bengkalis
Fajri Profesio Putra Politeknik Negeri Bengkalis

DOI:

https://doi.org/10.24252/instek.v11i1.66745

Keywords:

Cyberbullying, Support Vector Machine, TF-IDF, Tiktok, YouTube

Abstract

Cyberbullying merupakan permasalahan yang terus meningkat pada berbagai platform media sosial, khususnya pada kolom komentar yang ditandai dengan penggunaan bahasa informal, singkatan, dan istilah slang yang beragam. Kondisi ini menyebabkan proses identifikasi komentar bermuatan perundungan menjadi kompleks dan kurang efektif jika dilakukan secara manual. Selain itu, metode klasifikasi berbasis deep learning yang memiliki akurasi tinggi umumnya membutuhkan sumber daya komputasi yang besar, sehingga kurang efisien untuk implementasi deteksi dini secara otomatis. Oleh karena itu, penelitian ini mengusulkan pendekatan berbasis machine learning menggunakan Support Vector Machine (SVM) dengan representasi fitur Term Frequency–Inverse Document Frequency (TF-IDF). Dataset yang digunakan terdiri dari 8.000 komentar berbahasa Indonesia yang diperoleh dari platform YouTube dan TikTok, sehingga merepresentasikan lingkungan multiplatform dengan variasi bahasa yang tinggi. Tahapan pengolahan data meliputi preprocessing teks (cleaning, normalisasi, tokenisasi, filtering, dan stemming), ekstraksi fitur menggunakan TF-IDF, serta klasifikasi menggunakan SVM dengan kernel linear. Model dievaluasi menggunakan skema pembagian data 70:30 dengan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model mencapai akurasi sebesar 80,75%, precision 83% pada kelas cyberbullying, serta F1-score sebesar 0,81. Hasil ini menunjukkan bahwa SVM mampu memberikan performa yang stabil dalam menangani data teks berdimensi tinggi dengan kompleksitas bahasa yang beragam. Kontribusi utama penelitian ini terletak pada penggunaan dataset multiplatform berbahasa Indonesia serta evaluasi efektivitas SVM dalam mendukung sistem deteksi dini cyberbullying yang efisien secara komputasi.

Downloads

Download data is not yet available.

References

[1] K. Chuluq and S. R. Nudin, “Klasifikasi Cyberbullying Pada Media Sosial Dengan Menggunakan Metode Recurrent Neural Network Dan Long Short Term Memory,” J. Inform. Comput. Sci., vol. 6, no. 2, pp. 501–509, 2024.

[2] D. O. Putri and A. Qoiriah, “Klasifikasi Cyberbullying Pengguna Twitter Menggunakan Random Forest Dengan Penyematan Kata FastText,” J. Inform., vol. 6, pp. 265–272, 2024.

[3] J. Lasamahu, M. G. Sopacua, and A. N. Fadillah, “Kajian Yuridis Kejahatan Cyber Bullying Di Media Sosial,” SANISA, vol. 5, no. 1, p. 1, 2025, doi: 10.47268/sanisa.v5i1.3022.

[4] Oryza Habibie Rahman, Gunawan Abdillah, and Agus Komarudin, “Klasifikasi Ujaran Kebencian pada Media Sosial Twitter Menggunakan Support Vector Machine,” J. RESTI Rekayasa Sist. Dan Teknol. Inf., vol. 5, no. 1, pp. 17–23, Feb. 2021, doi: 10.29207/resti.v5i1.2700.

[5] S. Nauli et al., “Klasifikasi Kalimat Perundungan pada Twitter Menggunakan Algoritma Support Vector Machine,” J. Inform., vol. 10, no. 1, pp. 107–122, 2025.

[6] A. Ilham et al., “Klasifikasi Ujaran Kebencian di Twitter Menggunakan Fitur Ekstraksi GloVe dengan Support Vector Machine,” J. Explor IT, vol. 5, no. 36, pp. 64–72, 2023, doi: 10.35891/explorit.

[7] M. F. Naufal et al., “Analisis Perbandingan Tingkat Performa Algoritma SVM, Random Forest, dan Naive Bayes untuk Klasifikasi Cyberbullying pada Media Sosial,” Jurasik, vol. 8, p. 82, 2023.

[8] R. Romindo et al., “Implementasi Algoritma TF-IDF dan Support Vector Machine terhadap Analisis Pendeteksi Komentar Cyberbullying di Media Sosial TikTok,” Device, vol. 13, no. 1, pp. 124–134, 2023, doi: 10.32699/device.v13i1.5260.

[9] F. Abdusyukur, “Penerapan Algoritma SVM untuk Klasifikasi Pencemaran Nama Baik di Twitter,” Komputa, vol. 12, no. 1, pp. 73–82, 2023, doi: 10.34010/komputa.v12i1.9418.

[10] H. S. Rifai et al., “Analisis Sentimen Cyberbullying Menggunakan Naive Bayes,” J. IKRAITH-Inform., vol. 7, no. 2, pp. 183–196, 2023.

[11] A. J. Andika et al., “Deteksi Komentar Cyberbullying pada YouTube dengan CNN-LSTM,” Teknika, vol. 12, no. 3, pp. 183–188, 2023, doi: 10.34148/teknika.v12i3.677.

[12] S. A. Azzahra et al., “Klasifikasi dan Analisis Semantik Cyberbullying Sosial Media X,” J. Inform., vol. 11, no. 2, pp. 353–360, 2025.

[13] D. Nugraha et al., “Media Instagram Menggunakan Metode,” J. Inform., vol. 8, no. 2, pp. 153–164, 2023.

[14] K. M. Sukiakhy et al., “Penggunaan Data Twitter dalam Klasifikasi dan Visualisasi Cyberbullying dengan Algoritma SVM,” Cyberspace J., vol. 7, no. 1, p. 1, 2023, doi: 10.22373/cj.v7i1.17358.

[15] N. M. Farhan and B. Setiaji, “Indonesian Journal of Computer Science,” Indones. J. Comput. Sci., vol. 12, no. 2, pp. 284–301, 2023.

[16] H. Santoso, R. A. Putri, and S. Sahbandi, “Deteksi Komentar Cyberbullying pada Media Sosial Instagram Menggunakan Algoritma Random Forest,” J. Manaj. Inform. JAMIKA, vol. 13, no. 1, pp. 62–72, Mar. 2023, doi: 10.34010/jamika.v13i1.9303.

[17] K. M. Sukiakhy, J. Junidar, and S. A. Nazhifah, “PENGGUNAAN DATA PADA TWITTER DALAM KLASIFIKASI DAN VISUALISASI CYBERBULLYING DENGAN ALGORITMA SVM (SUPPORT VECTOR MACHINE),” Cyberspace J. Pendidik. Teknol. Inf., vol. 7, no. 1, p. 1, Mar. 2023, doi: 10.22373/cj.v7i1.17358.

[18] W. A. Ahmad and S. R. Wardhana, “Klasifikasi Judul Video Youtube Mengandung Clickbait Menggunakan Metode Naive Bayes,” KERNEL J. Ris. Inov. Bid. Inform. Dan Pendidik. Inform., vol. 4, no. 2, pp. 136–144, Dec. 2023, doi: 10.31284/j.kernel.2023.v4i2.7520.

[19] F. Abdusyukur, “PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI PENCEMARAN NAMA BAIK DI MEDIA SOSIAL TWITTER,” Komputa J. Ilm. Komput. Dan Inform., vol. 12, no. 1, pp. 73–82, May 2023, doi: 10.34010/komputa.v12i1.9418.

[20] A. Machmud et al., “Analisis Sentimen Cyberbullying pada Komentar X Menggunakan Naive Bayes,” J. Inform., vol. 5, no. 1, 2025.

[21] A. J. Andika, Y. Kristian, and E. I. Setiawan, “Deteksi Komentar Cyberbullying Pada YouTube Dengan Metode Convolutional Neural Network – Long Short-Term Memory Network (CNN-LSTM),” Teknika, vol. 12, no. 3, pp. 183–188, Oct. 2023, doi: 10.34148/teknika.v12i3.677.