<![CDATA[Penelitian ini bertujuan untuk: (1) untuk menguji serta menganalisis bagaimana anonimitas dapat memengaruhi perilaku cyberbullying di media sosial Twitter; (2) untuk mengetahui bagaimana pemanfaatan teknik analisis sentimen di media sosial Twitter menggunakan klasifikasi Support Vector Machine (SVM) dapat digunakan secara efektif dalam mengidentifikasikan cyberbullying. Penelitian ini menggunakan metode penelitian kuantitatif. Pengambilan data menggunakan alat Tweet Harvest. Subjek penelitian yaitu seluruh cuitan pengguna di Twitter berbahasa Indonesia yang berkaitan dengan cyberbullying atau tindakan kekerasan verbal lainnya. Proses analisis sentimen yang dilakukan memuat crawling data, preprocessing, labeling, feature extraction and modeling, evaluating, dan visualization. Teknik analisis yang akan digunakan dalam penelitian ini adalah analisis kinerja model menggunakan Confusion Matrix untuk menentukan seberapa baik model dalam menentukan, memprediksi dan mengklasifikasikan sentimen. Hasil Penelitian menunjukkan bahwa: (1) Anonimitas terbukti dapat memengaruhi perilaku cyberbullying di media sosial Twitter. Hal ini terlihat pada tahap identifikasi anonimitas, yang menunjukkan bahwa 811 dari 1.365 pengguna akun Twitter, teridentifikasi sebagai akun anonim. Selain itu, berdasarkan hasil analisis sentimen terhadap 1.282 data cuitan, diketahui bahwa 68,8% di antaranya mengandung unsur negatif. Hasil penelitian ini juga sejalan dengan teori disinhibition effect, di mana pengguna dapat dengan bebas mengutarakan pikirannya di media sosial tanpa ada yang mengawasi dan menganggap status seseorang di media sosial itu setara; (2) model klasifikasi Support Vector Machine terbukti efektif dalam mengidentifikasi cyberbullying di bandingkan Random Forest dan Naïve Bayes dengan nilai akurasi 81% > 80% > 78%.]]>
Copyrights © 2025
