Pendekatan Hybrid Deep Learning dan Ekspansi Fitur Word2Vec untuk Deteksi  Cyberbullying pada Twitter Indonesia

IRFAN AHMAD ASQOLANI

Informasi Umum

Kode

23.04.6570

Klasifikasi

004 - Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika, Hardware Komputer

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Science, Deep Learning,

Dilihat

21 kali

Informasi Lainnya

Abstraksi

<p>Twitter adalah layanan media sosial yang penggunanya dapat membuat, memposting, memperbarui, dan membaca pesan singkat yang disebut tweet. Namun, Twitter sering disalahgunakan oleh para penggunanya dengan memposting pesan negatif (tweet) yang mengandung cyberbullying. Cyberbullying berdampak buruk pada kesehatan mental para korban, dengan beberapa kasus yang secara tragis mengarah pada bunuh diri karena stres yang hebat. Oleh karena itu, perlu dilakukan tindakan preventif, antara lain dengan membuat sistem pendeteksi cyberbullying di Twitter. Penelitian ini mengusulkan pendekatan hybrid deep learning, ekspansi fitur menggunakan Word2Vec, dan ekstraksi fitur menggunakan TF-IDF dalam membangun sistem deteksi cyberbullying di Twitter berbahasa Indonesia. Serangkaian skenario pengujian dilakukan pada sistem yang dibangun dengan menggunakan 29,085 data tweet berbahasa Indonesia. Hasil akhir dari penelitian ini menunjukkan akurasi terbaik diperoleh untuk CNN-LSTM hybrid dengan akurasi sebesar 79,26% dan untuk hybrid LSTM-CNN dengan akurasi sebesar 79,48%. Hasil ini membuktikan bahwa menggabungkan model hybrid, Word2Vec sebagai ekstensi fitur, dan TF-IDF sebagai ekstraksi fitur memberikan skor akurasi terbaik dibandingkan dengan model deep learning lainnya. Dengan demikian, penelitian ini berhasil mendeteksi cyberbullying di Twitter sehingga dapat dimanfaatkan untuk menciptakan lingkungan media sosial yang lebih sehat bagi penggunanya.</p>