Analisis Sentimen Terhadap Cyber Bullying di X Menggunakan Algoritma Naïve Bayes
Sentiment Analyst of Cyber Bullying in X Using Naïve Bayes Algorithm
DOI:
https://doi.org/10.57152/malcom.v4i4.1550Keywords:
Analisa Sentimen, Cyberbullying, Komentar, Naïve Bayes ClassifierAbstract
X adalah salah satu media sosial paling populer di dunia penggunanya bisa menuangkan isi fikiran ke publik dan cepat mendapatkan informasi dan tanggapan dari berbagai sudut pandang. Disamping saking banyaknya sisi positif dari x ini pasti tidak luput dari sisi negatifnya, salah satunya Cyberbullying di sosial media ini. Cyberbullying sendiri termasuk tindakan pidana dan pelakunya dapat ditindak sesuai Undang-undang yang berlaku. Maka dari itu penelitian analisis sentimen terhadap Cyberbullying pada media sosisal x untuk mengklasifikasikan tweet dan komentar yang bermuatan negatif dan positif menggunakan metode dan Naïve Bayes classifier Data masukan pada analisis ini berupa tweet yang diperoleh dari open data untuk di analisis untuk mencari potensi terjadinya tindakan Cyberbullying. Output pada penelitian ini berupa klasifikasi sentimen Cyberbullying yang telah melewati preprocessing. Dari hasil pengujian diperoleh akurasi menggunakan metode Naïve Bayes sebesar 86% menghasilkan pembuktian untuk topik Cyberbullying, sehingga algoritma tersebut dapat diterapkan untuk klasifikasi analisis sentimen pada data yang lain.
References
Andi Dwi Riyanto, “Hootsuite (We are Social): Indonesian Digital Report 2023,” 18 April 2023.
T. Rosyida, H. P. Putro, and H. Wahyono, “ANALISIS SENTIMEN TERHADAP PILPRES 2024 BERDASARKAN OPINI DARI TWITTER MENGGUNAKAN NAÏVE BAYES DAN SVM”, [Online]. Available: www.apjii.or.id
A. Putri and A. Muzakir, “How to cite: ANALISIS SENTIMEN CYBERBULLYING KPOP DI MEDIA SOSIAL TWITTER MENGGUNAKAN METODE NAIVE BAYES,” vol. 7, no. 9, 2022.
K. Kircaburun et al., “Childhood Emotional Abuse and Cyberbullying Perpetration: The Role of Dark Personality Traits,” J Interpers Violence, vol. 36, no. 21–22, pp. NP11877–NP11893, Nov. 2021, doi: 10.1177/0886260519889930.
T. Rosyida, H. P. Putro, and H. Wahyono, “ANALISIS SENTIMEN TERHADAP PILPRES 2024 BERDASARKAN OPINI DARI TWITTER MENGGUNAKAN NAÏVE BAYES DAN SVM”, [Online]. Available: www.apjii.or.id
M. Al Khadafi, K. Paranita Kartika, and F. Febrinita, “PENERAPAN METODE NAÏVE BAYES CLASSIFIER DAN LEXICON BASED UNTUK ANALISIS SENTIMEN CYBERBULLYING PADA BPJS,” 2022.
R. Hilma, M. Ula, and S. Fachrurrazi, “Analisis Sentimen Cyberbullying pada Media Sosial Twitter Menggunakan Metode Support Vector Machine dan Naïve Bayes Classifier.”
D. Kurniawan and D. M. Yasir, “OPTIMIZATION SENTIMENT ANALYSIS USING CRISP-DM AND NAÏVE BAYES METHODS IMPLEMENTED ON SOCIAL MEDIA”.
S. Khairunnisa, A. Adiwijaya, and S. Al Faraby, “Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19),” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 5, no. 2, p. 406, Apr. 2021, doi: 10.30865/mib.v5i2.2835.
R. Mahendrajaya, G. A. Buntoro, and M. B. Setyawan, “ANALISIS SENTIMEN PENGGUNA GOPAY MENGGUNAKAN METODE LEXICON BASED DAN SUPPORT VECTOR MACHINE,” KOMPUTEK, vol. 3, no. 2, p. 52, Oct. 2019, doi: 10.24269/jkt.v3i2.270.
A. Wandani, “Sentimen Analisis Pengguna Twitter pada Event Flash Sale Menggunakan Algoritma K-NN, Random Forest, dan Naive Bayes,” 2021.
“Worldwide_Digital civility infographic 2021 (2)”.
S. Samsir, A. Ambiyar, U. Verawardina, F. Edi, and R. Watrianthos, “Analisis Sentimen Pembelajaran Daring Pada Twitter di Masa Pandemi COVID-19 Menggunakan Metode Naïve Bayes,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 5, no. 1, p. 157, Jan. 2021, doi: 10.30865/mib.v5i1.2580.
A. R. Isnain, A. I. Sakti, D. Alita, and N. S. Marga, “SENTIMEN ANALISIS PUBLIK TERHADAP KEBIJAKAN LOCKDOWN PEMERINTAH JAKARTA MENGGUNAKAN ALGORITMA SVM,” Jurnal Data Mining dan Sistem Informasi, vol. 2, no. 1, p. 31, Feb. 2021, doi: 10.33365/jdmsi.v2i1.1021.
Rita Retnosari, “Analisa kelayakan kredit usaha mikro berjalan pada perbankan dengan metode naive bayes,” PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer, vol. 8, no. 1, pp. 53–59, Mar. 2021, doi: 10.30656/prosisko.v8i1.2848.
W. M. Baihaqi, M. Pinilih, and M. Rohmah, “Kombinasi K-Means dan Support Vector Machine (SVM) untuk Memprediksi Unsur Sara pada Tweet,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 7, no. 3, pp. 501–510, May 2020, doi: 10.25126/jtiik.2020732126.
J. Tugas, A. Fakultas Informatika, F. Taufiqurrahman, S. Al Faraby, and M. D. Purbolaksono, “Klasifikasi Teks Multi Label pada Hadis Terjemahan Bahasa Indonesia Menggunakan Chi-Square dan SVM.”
M. D. Alizah, A. Nugroho, U. Radiyah, and W. Gata, “Sentimen Analisis Terkait Lockdown pada Sosial Media Twitter,” Indonesian Journal on Software Engineering (IJSE), vol. 6, no. 2, pp. 223–229, Dec. 2020, doi: 10.31294/ijse.v6i2.8991.
D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” 2021.
D. B. Srisulistiowati1, M. Khaerudin2, S. Rejeki3, and U. Bhayangkara Jakarta, “SISTEM INFORMASI PREDIKSI PENJUALAN ALAT TULIS KANTOR DENGAN METODE FP-GROWTH (STUDI KASUS TOKO KOPERASI SEKOLAH BINA MULIA).”
A. P. Natasuwarna, “Seleksi Fitur Support Vector Machine pada Analisis Sentimen Keberlanjutan Pembelajaran Daring,” Techno.Com, vol. 19, no. 4, pp. 437–448, Nov. 2020, doi: 10.33633/tc.v19i4.4044.
Sugiyono, Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung: Alphabet., 2019.
I. T. S. A. Pamungkas, “ANALISIS SENTIMEN TERHADAP TOKOH PUBLIK MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE ( SVM ).,” 2018.
