Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Computers and Digital Business
Nisya Indriyani
Universitas Islam Indonesia
Computer Science & IT Decision Sciences, Operations Research & Management

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Deteksi Cyberbullying Tiga Kelas pada Komentar Berbahasa Indonesia di Aplikasi X dan Threads Menggunakan IndoBERTweet Nisya Indriyani; Chanifah Indah Ratnasari
Journal of Computers and Digital Business Vol. 5 No. 2 (2026)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v5i2.1009

Abstract

Media sosial menjadi ruang utama untuk berinteraksi, tetapi juga memunculkan risiko cyberbullying melalui komentar yang menghina, merendahkan, atau menyerang pengguna lain. Penelitian ini bertujuan mendeteksi cyberbullying pada komentar berbahasa Indonesia dari aplikasi X dan Threads menggunakan IndoBERTweet. Penelitian menggunakan pendekatan kuantitatif dengan desain supervised machine learning. Dataset akhir terdiri atas 9.182 komentar yang diseimbangkan berdasarkan platform, yaitu 4.591 komentar dari aplikasi X dan 4.591 komentar dari Threads. Sebagai kebaruan, penelitian ini menerapkan klasifikasi tiga kelas, yaitu non-cyberbullying, ambiguitas, dan cyberbullying, untuk mengakomodasi komentar yang belum dapat dikategorikan secara tegas sebagai aman atau berbahaya. Proses penelitian meliputi pengumpulan data berbasis kata kunci, pelabelan awal berbasis aturan, validasi pakar pada data terpilih, prapemrosesan terbatas, fine-tuning IndoBERTweet, evaluasi model, dan integrasi ke dalam prototipe sistem. Hasil pengujian pada 919 data uji menunjukkan accuracy sebesar 0.7911 dan macro F1-score sebesar 0.7294. Model memperoleh F1-score sebesar 0.8680 pada kelas non-cyberbullying, 0.4901 pada ambiguitas, dan 0.8301 pada cyberbullying. Evaluasi platform menunjukkan accuracy sebesar 0.8214 pada aplikasi X dan 0.7609 pada Threads. Model dapat digunakan sebagai alat bantu moderasi awal, tetapi komentar ambigu tetap memerlukan peninjauan manusia.
Co-Authors Chanifah Indah Ratnasari