Article Per Year (5 Year)
p-Index From 2020 - 2025
1.048
P-Index
This Author published in this journals
All Journal Jurnal Ekonomi Pembangunan Asy Syar'iyyah: Jurnal Ilmu Syari'ah dan Perbankan Islam Sulawesi Tenggara Educational Journal Mimbar Agama Budaya IIJSE Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK)
Lestari, Ajeng
Unknown Affiliation
Religion Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Education Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences Other

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK)

 1 
Deteksi Cyberbullying Tweet Menggunakan Machine Learning Safitri, Maulina; Zafira, Najwa Alhaura; Putri, Adinda Dyahrestu; Pamungkas, Sabrina Putri; Azahrah, Fatimah; Lestari, Ajeng; Kusdiyah, Diajeng; Parwati, Ni Wayan
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 9, No 1 (2025): SEMNAS RISTEK 2025
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v9i1.7843

Abstract

Menurut The United Nations Children’s Fund (UNICEF) cyberbullying merupakan penindasan ataupun perundungan dengan memakai teknologi digital. Perihal ini bisa terjalin di media sosial, platform pengiriman pesan, platform permainan, ataupun telepon seluler. Aksi ini dicoba secara kesekian yang diperuntukan buat menakut- nakuti, membuat marah, ataupun mempermalukan orang- orang yang jadi sasaran. Cyberbullying merupakan aksi yang sangat merugikan serta dapat mempunyai akibat emosional serta psikologis yang sungguh- sungguh pada korban. Penting untuk mengambil tindakan untuk melindungi diri sendiri dan melaporkan tindakan tersebut  kepada pihak berwenang atau penyedia platform media sosial. Perihal ini butuh dicoba oleh korban ataupun siapa juga yang melihat aksi tersebut. Penelitian ini mengklasifikasikan data kedalam kelas cyberbullying dan not cyberbullying menggunakan metode machine learning, yaitu BiLSTM (Bidirectional Long Short-Term Memory), BERT (Bidirectional Encoder Representations from Transformers), dan RF (Random Forest), untuk mengetahui cyberbullying atau bukan. Ditemukan bahwa BERT mencapai akurasi sebesar 94%, serta f1 score 89% sehingga lebih unggul dalam menanggulangi ketidakseimbangan data. Hasilnya menampilkan kalau akumulasi penambahan kata kunci memakai TF-IDF dan borda rangking hasil ekstraksi kata dapat meningkatkan akurasi sampai 80%. Sentimen analisis memakai Majority Voting, K-Means Clustering, dan BERT menunjukkan hasil akurasi 83%, dengan label sentimen positif, negatif, sangat positif, dan sangat negatif.
Co-Authors Alfarisi, Muhammad Adib Ashari, Nesha Rizky Azahrah, Fatimah Hadi, Azizan Haryati, Mila Septian Kusdiyah, Diajeng Lidiyah, Rika Muhdir, Ibnu Nilawati Nilawati Pamungkas, Sabrina Putri Parwati, Ni Wayan Putradi, Andi Putri, Adinda Dyahrestu Putri, Pratiwi Amalia Safitri, Maulina Zafira, Najwa Alhaura