<![CDATA[Cyberbullying merupakan permasalahan yang semakin meningkat seiring tingginya penggunaan media sosial di Indonesia. Perbedaan karakteristik bahasa dan distribusi data pada setiap dataset menyebabkan proses klasifikasi cyberbullying menjadi lebih kompleks. Penelitian ini bertujuan menganalisis kemampuan model IndoBERT dalam mendeteksi cyberbullying pada berbagai dataset berbahasa Indonesia dengan karakteristik yang berbeda. Penelitian menggunakan empat dataset yang terdiri atas dua dataset klasifikasi biner dan dua dataset klasifikasi multiclass. Tahapan penelitian meliputi preprocessing teks, tokenisasi menggunakan tokenizer IndoBERT, fine-tuning model, serta evaluasi menggunakan Stratified 5-Fold Cross Validation. Pengujian dilakukan menggunakan empat kombinasi hyperparameter dengan variasi learning rate dan batch size. Hasil penelitian menunjukkan bahwa kombinasi learning rate 3×10⁻⁵ dan batch size 16 memberikan performa terbaik pada sebagian besar dataset. Model memperoleh akurasi terbaik sebesar 94,25% dan 91,85% pada klasifikasi biner serta 75,62% dan 72,32% pada klasifikasi multiclass. Hasil analisis menunjukkan bahwa IndoBERT memberikan performa lebih baik pada klasifikasi biner dibandingkan multiclass. Selain itu, jumlah kelas, distribusi data, dan kemiripan konteks antar kelas memengaruhi kemampuan model dalam melakukan klasifikasi. Hasil penelitian menunjukkan bahwa IndoBERT memiliki kemampuan yang baik dalam mendeteksi cyberbullying berbahasa Indonesia, meskipun performanya masih dipengaruhi oleh karakteristik dataset.]]>
Copyrights © 2026
