<![CDATA[Pelecehan seksual verbal merupakan bentuk pelecehan yang dilakukan melalui ungkapan verbal, lelucon, atau komentar bernuansa seksual yang tidak diinginkan. Tindakan ini menimbulkan ketidaknyamanan, rasa malu, ketakutan, dan tekanan psikologis bagi korban. Fenomena ini banyak dibahas di Platform X, di mana berbagai kasus memicu beragam tanggapan publik, mulai dari mendukung korban hingga menormalisasi tindakan tersebut. Banyaknya komentar yang sangat besar membuat analisis secara manual menjadi tidak efektif. Penelitian ini bertujuan untuk mengevaluasi kinerja algoritma Modified ID3 dalam mengklasifikasikan tanggapan publik terhadap pelecehan seksual verbal di Platform X. Sebanyak 1.000 komentar berbahasa Indonesia dikumpulkan dan dikelompokkan ke dalam kategori positif (bukan pelecehan) dan negatif (pelecehan). Metodologi yang digunakan meliputi pra-pemrosesan teks (case folding, pembersihan, tokenisasi, penghapusan kata henti (stopword), dan stemming, ekstraksi fitur menggunakan TF-IDF, dan pembagian data dengan proporsi 80:20 dan 70:30. SMOTE diterapkan untuk menangani ketidakseimbangan kelas. Algoritma Modified ID3 dilatih dengan penyesuaian max_depth mulai dari 1 hingga 20. Kedalaman optimal yang diperoleh adalah 11 untuk proporsi 80:20 (akurasi 96,50%) dan kedalaman 8 untuk proporsi 70:30 (akurasi 95,33%). Evaluasi menggunakan matriks kebingungan (confusion matrix) menunjukkan bahwa proporsi 80:20 mencapai kinerja yang lebih unggul dengan akurasi 95,50%, presisi 95,50%, recall 95,50%, dan F1-score 95,50%, sedangkan proporsi 70:30 mencapai akurasi 93,00%. Hasil penelitian membuktikan bahwa algoritma Modified ID3 sangat efektif dalam mengklasifikasikan tanggapan publik terhadap isu-isu sosial yang sensitif di ruang digital.]]>
Copyrights © 2026
