Claim Missing Document
Check
Articles

Found 1 Documents
Search

Klasifikasi Pelanggaran Etika Siber pada Media Sosial X Menggunakan Algoritma Extreme Gradient Boosting Berbasis TF-IDF Faisal Aditya Pratama; Fijriani Silviana; Muhammad Karifki; Muhammad Wahyu Muges; Sherly Septiani; Rahmawati
Jurnal Riset Informatika dan Inovasi Vol 4 No 2 (2026): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan platform sosial memiliki dampak signifikan terhadap cara orang berkomunikasi dalam dunia digital. Salah satu situs yang populer adalah media sosial X, yang memberikan kesempatan bagi penggunanya untuk menyampaikan pendapat dengan cepat dan tanpa batas. Namun, kebebasan ini sering kali memicu berbagai persoalan terkait pelanggaran norma etika di dunia maya, seperti ujaran kebencian, perundungan siber, penghinaan, dan komentar negatif lainnya. Tujuan dari penelitian ini adalah untuk mengklasifikasikan pelanggaran etika di media sosial X melalui algoritma Extreme Gradient Boosting (XGBoost) dengan menggunakan data dari Kaggle. Metode yang digunakan dalam studi ini mencakup pengumpulan data, pemrosesan awal teks, ekstraksi fitur dengan TF-IDF, pelatihan model dengan algoritma XGBoost, dan penilaian kinerja model melalui pengukuran akurasi, presisi, recall, dan skore F1. Dataset yang digunakan berasal dari Kaggle, berisi komentar-komentar yang dikelompokkan sebagai pelanggaran etika di dunia maya serta komentar yang normal. Temuan dari penelitian ini menunjukkan bahwa algoritma XGBoost dapat mengklasifikasikan kemungkinan terjadinya pelanggaran etika di komentar media sosial dengan tingkat akurasi yang sangat baik.