ANALISIS LEXICAL-SYNTACTIC FEATURE UNTUK DETEKSI CYBERBULLYING PADA TWEET BAHASA INDONESIA

RIZKI LATIFAH HARVIANI, Dr. Azhari, M.T.

2018 | Skripsi | S1 ILMU KOMPUTER

Kemudahan penyebarluasan informasi dan kebebasan berpendapat pada era digital seringkali tidak dimanfaatkan secara bijak oleh para penggunanya. Hal tersebut memicu terjadinya cyberbullying pada media sosial seperti Twitter. Berdasarkan fakta mengenai kasus-kasus cyberbullying yang terjadi di Indonesia, diperlukan suatu langkah antisipasi dan pencegahan dengan menggunakan suatu model komputasi untuk melakukan deteksi cyberbullying di media sosial, dalam hal ini adalah Twitter. Penelitian ini menggunakan metode Lexical-Syntactic Feature untuk melakukan analisis terhadap kemunculan lexical feature dan syntactic feature terkait cyberbullying pada tweet Bahasa Indonesia. Metode Naïve Bayes Classifier digunakan untuk mengetahui performa metode Lexical-Syntactic Feature dalam melakukan klasifikasi tweet bullying dan tweet normal. Hasil pengujian memperlihatkan bahwa metode Lexical-Syntactic Feature dapat melakukan deteksi cyberbullying pada tweet Bahasa Indonesia dengan akurasi sebesar 82.89%. Selain itu, metode Lexical-Syntactic Feature yang ditambahkan sebagai fitur klasifikasi dalam Naïve Bayes Classifier mampu meningkatkan akurasi sebesar 3.48% dibandingkan penggunaan Naïve Bayes Classifier tanpa penambahan Lexical-Syntactic Feature.

In this digital era, the ease of disseminating information and freedom of expression is often not used wisely by the society. That condition triggers cyberbullying on social media such as Twitter. Based on the fact about cyberbullying cases in Indonesia, it takes an anticipation and prevention step by using a computational model to detect cyberbullying on social media, in this case is on Twitter. This study uses Lexical-Syntactic Feature method to analyze the presence of lexical feature and syntactic feature that have related with cyberbullying on Indonesian tweet. Naïve Bayes Clasisifer method is used to determine the performance of Lexical-Syntactic Feature method in classifying bullying tweets and normal tweets. The experimental results shows that the Lexical-Syntactic Feature method can be used to detect cyberbullying on Indonesian tweet with an accuracy of 82.89%. Moreover, the addition of the Lexical-Syntactic Feature method as a classification feature in Naïve Bayes Classifier training model improves the accuracy of 3.48% over the Naïve Bayes Classifier training model without the addition of Lexical-Syntactic Feature.

Kata Kunci : text mining, cyberbullying, Lexical-Syntactic Feature, Naïve Bayes Classifier