ANALISIS SENTIMENT CYBERBULLYING PADA SOSIAL MEDIA TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

Rizki, Muh. Fitra (2021) ANALISIS SENTIMENT CYBERBULLYING PADA SOSIAL MEDIA TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. Skripsi thesis, Institut Teknologi Nasional Malang.

	Text 1718053_COVER - Muh Fitra Rizki.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (550kB)
	Text 1718053_BAB I - Muh Fitra Rizki.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (29kB)
	Text 1718053_BAB II - Muh Fitra Rizki.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (187kB) | Request a copy
	Text 1718053_BAB III - Muh Fitra Rizki.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (543kB) | Request a copy
	Text 1718053_BAB IV - Muh Fitra Rizki.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (745kB) | Request a copy
	Text 1718053_BAB V - Muh Fitra Rizki.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (13kB) | Request a copy
	Text 1718053_DAFTAR PUSTAKA - Muh Fitra Rizki.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (78kB)
	Text 1718053_LAMPIRAN - Muh Fitra Rizki.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Request a copy

Abstract

ANALISIS SENTIMENT CYBERBULLYING PADA SOSIAL MEDIA TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE Muh. Fitra Rizki Teknik Informatika – ITN Malang 1718053@scholar.itn.id ABSTRAK Twitter merupakan salah satu media sosial yang saat ini menjadi trend, karena terdapat banyak sekali berita dan informasi yang yang dapat direspon dengan cepat dan tepat dari berbagai sudut pandang. Hal ini menjadikan Twitter tidak hanya berdampak positif, tetapi juga berdampak negatif bagi pengguna maupun non-pengguna Twitter, salah satunya adalah cyberbullying. Cyberbullying adalah bentuk intimidasi yang pelaku lakukan untuk melecehkan korbannya melalui perangkat teknologi. Korban yang mengalami Cyberbullying akan mengalami gangguan fisik hingga psikologis seperti kesepian, kegelisahan, depresi yang lebih tinggi, dan merasa hargadirinya rendah. Selain itu korban yang mengalami Cyberbullying juga akan merasakan tekanan sehingga menunjukkan keinginan bunuh diri yang lebih tinggi. Pada penelitian ini dilakukan proses analisis sentiment cyberbullying yang disampaikan oleh pengguna pada media sosial twitter dengan mengembangkan sistem berbasis web untuk mengklasifikasikan sentiment tersebut menggunakan metode support vector machine. Data inputan pada sistem ini berupa konten tweet yang diperoleh dari twitter dengan memasukkan keyword hashtag yang berpotensi menimbulkan cyberbullying seperti #cebong atau #kadrun dan tidak melebihi 100 data tweet. Sedangkan outputnya berupa klasifikasi sentiment cyberbullying atau non-cyberbullying dari setiap tweet yang sudah melewati proses text preprocessing dan pembobotan teks dengan TF-IDF. Dari hasil pengujian menunjukan dengan menggunakan 100 data tweet, sistem mampu melakukan proses klasifikasi dengan rata-rata waktu 101100,2 milisecond dan kecepatan pemrosesan 0,000989 data per milisecond. Diperoleh pula hasil pengukuran evaluasi klasifikasi dengan menggunakan metode confusion matrix dengan nilai recall 64%, precision 58% dan tingkat accuracy sebesar 70%. Kata Kunci : Support Vector machine, Analisis Sentiment, cyberbullying, Text Preprocessing, Term Frequency-Inverse Document Frequency

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Support Vector machine, Analisis Sentiment, cyberbullying, Text Preprocessing, Term Frequency-Inverse Document Frequency
Subjects:	Engineering > Informatics Engineering
Divisions:	Fakultas Teknologi Industri > Teknik Informatika S1 > Teknik Informatika S1(Skripsi)
Depositing User:	Ms Nunuk Yuli
Date Deposited:	29 Sep 2021 04:19
Last Modified:	29 Sep 2021 04:19
URI:	http://eprints.itn.ac.id/id/eprint/5647

Actions (login required)

View Item