KOMPARASI OPTIMASI ANALISIS SENTIMEN CYBERBULLYING PADA INSTAGRAM BERBASIS PARTICLE SWARM OPTIMIZATION
##plugins.themes.academic_pro.article.main##
Abstract
Sejak masa pandemi covid-19 melanda dunia, sekitar 78,19% manusia di Indonesia mengandalkan media internet sebagai penunjang utama kegiatan sehari-hari. Hal ini membuat aktivitas manusia mayoritas dilakukan melalui dunia maya, salah satunya adalah sebagai bentuk eksistensi. Media sosial seperti Instagram, menjadi pilihan dari banyak manusia di dunia utamanya Indonesia untuk menyalurkan segala macam bentuk aspirasinya. Efek dari meningkatnya postingan di media sosial ini juga berimbas kepada tingginya tingkat perundungan melalui dunia maya yang sering dikenal dengan istilah cyberbullying. Salah satu bentuk cyberbullying yang marak terjadi adalah melalui ujaran kebencian dan kata-kata yang tidak baik terhadap postingan yang diunggah. Pada penelitian kali ini akan dilakukan optimasi untuk mengetahui analisis sentimen terhadap berbagai tindak cyberbullying yang ada pada media sosial Instagram agar dapat ditindak lebih lanjut dengan menggunakan metode Particle Swarm Optimization (PSO). Sedangkan untuk metode klasifikasi dari analisis sentiment pada penelitian kali ini dilakukan komparasi dengan menggunakan algoritma support vector machine (SVM) dan naïve bayes. Dari hasil penelitian diketahui bahwa performa metode PSO memberikan hasil yang lebih baik jika dikombinasikan dengan metode SVM yang mencapai nilai akurasi 78,60% dengan dukungan 100% class precission. Sedangkan hasil naïve bayes hanya mencapai nilai akurasi 78,00% dengan dukungan class precission sebesar 99,74%.
##plugins.themes.academic_pro.article.details##
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Pemberitahuan Hak Cipta
Usulan kebijakan untuk jurnal yang menawarkan akses terbuka Syarat yang dibutuhkan penulis adalah sebagai berikut:
1. Penulis memegang hak cipta dan memberikan jurnal hak penerbitan pertama secara bersamaan di bawah lisensi di bawah Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0), yang mengizinkan orang lain untuk menyalin dan mendistribusikan ulang materi ini dalam bentuk atau format apa pun termasuk menyusun, memodifikasi, dan membuat turunan materi ini untuk tujuan apa pun, termasuk tujuan komersial.
2. Penulis dapat membuat pengaturan kontrak terpisah untuk distribusi non-eksklusif dari versi dekaden publikasi jurnal (misalnya mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan mengakui publikasi aslinya di jurnal ini.
3. Penulis diizinkan dan didorong untuk memposting artikel secara online (misalnya di repositori institusional atau di situs web mereka) seperti pada Garuda, Academia, researchgate atau repository lainnya sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif dan kutipan artikel yang diterbitkan lebih awal dan lebih maju (periksa: Efek Akses Terbuka)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Deolika, A., Kusrini, K., & Luthfi, E. T. (2019). Analisis Pemobotan Kata Pada Klasifikasi Text Mining. JURTI (Jurnal Teknologi Informasi), 179-184.
Destitus, C., Wella, & Suryasari. (2020). Support Vector Machine VS Information Gain: Analisis Sentimen Cyberbullying di Twitter Indonesia. ULTIMA InfoSys Vol.XI, No.2, 107-111.
Ernamia, E. A., & Herliana, A. (2022). Analisis Sentimen Kuliah Daring Dengan Algoritma Naïve Bayes, K-Nn Dan Decision Tree. Jurnal Responsif, 70-80.
Fahlevi, F., & Sutriyanto, E. (2023, Februari 1). 1.895 Remaja Alami Perundungan Secara Siber, Pelakunya 1.182 Siswa. Diambil kembali dari tribunnews.com: https://www.tribunnews.com/nasional/2023/02/01/1895-remaja-alami-perundungan-secara-siber-pelakunya-1182-siswa
Fanny, F., Muliono, Y., & Tanzil, F. (2018). A Comparison of Text Classification Methods k-NN, Naïve Bayes, and Support Vector Machine for News Classification. Jurnal Informatika : Jurnal Pengembangan IT (JPIT), Vol.03, No.02, 157-160.
Jumeilah, F. S. (2017). Penerapan Support Vector Machine (SVM) untuk Pengkategorian Penelitian. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol.1, No.1, 19-25.
Maulana, F. A., & Ernawati, I. (2020). Analisa Sentimen Cyberbullying di Jejaring Sosial Twitter Dengan Algoritma Naive Bayes. SENAMIKA (Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya) (hal. 529-538). Jakarta: Fakultas Ilmu Komputer Universitas Pembanguna Nasional Veteran Jakart.
Muhammad, A. N., Bukhori, S., & Pandunata, P. (2019). Sentiment Analysis of Positive and Negative of YouTube Comments Using Naïve Bayes – Support Vector Machine (NBSVM) Classifier. International Conference on Computer Science, Information Technology, and Electrical Engineering (ICOMITEE) (hal. 199-205). Jember - Indonesia: IEEE.
Mustajab, R. (2021, Januari 31). Indonesia Miliki 97,17 Juta Pengguna Instagram hingga Akhir 2022. Diambil kembali dari dataindonesia.id: https://dataindonesia.id/internet/detail/indonesia-miliki-9717-juta-pengguna-instagram-hingga-akhir-2022
Pajri, D., Umaidah, Y., & Padilah, T. N. (2020). K-Nearest Neighbor Berbasis Particle Swarm Optimization untuk Analisis Sentimen Terhadap Tokopedia. Jurnal Teknik Informatika dan Sistem Informasi (JuTISI) Vol.6, No.2, 242-253.
Pratama, K. R., & Nistanto, R. K. (2021, Maret 29). Instagram, Media Sosial Pemicu "Cyberbullying" Tertinggi. Diambil kembali dari tekno.kompas.com: https://tekno.kompas.com/read/2021/03/29/07164137/instagram-media-sosial-pemicu-cyberbullying-tertinggi#google_vignette
Priyanto, A., & Ma'arif, M. R. (2018). Implementasi Web Scraping dan Text Mining untuk Akuisisi dan Kategorisasi Informasi Laman Web Tentang Hidroponik. Indonesian Journal of Information Systems (IJIS) Vol.1, No.1, 25-33.
Rachmayanti, A., & Candrasari, Y. (2022). Perilaku Cybebullying di Instagram. LINIMASA : Jurnal Ilmu Komunikasi Vol.5, No.1, 1-12.
Rizkiansyah, Herliana, A., Alamsyah, D. P., & Tjoe, T. F. (2022). Comparison of the K-Nearest Neighbor and Decision Tree algorithm to the Sentiment Analysis of Investment Applications Users in Indonesia. Seventh International Conference on Informatics and Computing (ICIC) (hal. 1-6). Denpasar, Bali: IEEE.
Sugiyono. (2018). Metode Penelitian Kuantitatif, Kualitatif dan R&D. Bandung: Alfabeta.
Tysara, L. (2023, Mei 30). Jenis Penelitian Kualitatif Menurut Para Ahli, Pahami Karakteristiknya. Diambil kembali dari liputan6.com: https://www.liputan6.com/hot/read/5299910/jenis-penelitian-kualitatif-menurut-para-ahli-pahami-karakteristiknya?page=4
Watratan, A. F., Puspita, A., & Moeis, D. (2020). Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid-19 Di Indonesia. Journal of Applied Computer Science And Technology (JACOST) Vol.1, No.1, 7-14.