<![CDATA[Pesatnya perkembangan media sosial di Indonesia—yang kini memiliki penetrasi pengguna sebesar 64,3% dari total populasi atau sepadan dengan kepadatan lalu lintas di Jakarta pada jam sibuk—membawa dampak negatif berupa peningkatan kasus perundungan siber (cyberbullying). Penelitian ini bertujuan untuk menganalisis sentimen masyarakat dan mengklasifikasikan tindakan cyberbullying pada platform media sosial menggunakan pendekatan Natural Language Processing (NLP) (proses komputasi untuk memahami dan menganalisis bahasa manusia). Data mentah berupa teks dari media sosial melalui tahapan text preprocessing yang ketat, meliputi cleansing, tokenization, stopword removal, dan stemming. Fitur teks diekstraksi menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) (pembobotan kata berdasarkan frekuensi kemunculannya dalam dokumen) dan diklasifikasikan menggunakan algoritma Machine Learning. Hasil pengujian menunjukkan bahwa model klasifikasi berhasil mengidentifikasi ujaran perundungan dengan tingkat akurasi mencapai 89%, sebuah performa yang sebanding dengan ketepatan seorang ahli bahasa dalam mendeteksi sarkasme. Kontribusi penelitian ini memberikan visualisasi pola perundungan siber yang dapat digunakan oleh pengembang platform dan pembuat kebijakan untuk mendeteksi konten toksik secara otomatis dan preventif.]]>
Copyrights © 2026
