Model untuk Analisis Negative Post di Media Sosial

Penulis

Ade Febriany, Ditdit Nugeraha Utama

Computer Science Department, BINUS Graduate Program – Master of Computer Science Bina Nusantara University, Jakarta, Indonesia 11480

Febriany dan Utama (2021) mengatakan bahwa cyberbullying adalah tindakan yang melanggar hokum, di mana kejahatan ini dilakukan dengan menggunakan teknologi digital, biasanya terjadi di media social, salah satunya Twitter. Tindakan ini sulit untuk dideteksi, membuat seseorang harus melaporkan pesan tersebut terlebih dahulu agar dapat terdeteksi. Beberapa penelitian yang meneliti mengenai pesan yang mengandung bullying di media sosial memberikan hasil keluaran berupa identifikasi apakah pesan tersebut diklasifikasikan sebagai positif atau negatif, atau bully atau tidak. Hal ini dapat membingungkan ketika menganalisis hasil klasifikasi karena hanya menghasilkan dua kelas. Dalam penelitian ini, dengan menggunakan konsep text mining Naïve Bayes, dikembangkan model yang dapat mengkategorikan pesan ke beberapa jenis bullying agar lebih detail. Tidak hanya mengkategorikan pesannya menjadi pesan mengintimidasi atau tidak, namun dapat mengklasifikasikan pesannya ke dalam lima macam jenis bullying.

Pengumpulan dataset dan pelabelan dilakukan berdasarkan studi literatur. Data yang digunakan dalam penelitian ini diperoleh dari dua sumber data, yaitu dari studi literatur yang digunakan sebagai label dan Twitter yang digunakan sebagai data training. Kontribusi dari penelitian ini adalah menawarkan algoritma untuk mengumpulkan dan melabeli dataset bahasa Indonesia dan kemudian mengklasifikasikan ke dalam jenis sarkasme, yaitu animal, psychology and stupidity, disabled person, attitude dan general bullying.

Model ini diuji menggunakan metode klasifikasi Naïve Bayes karena metode ini merupakan salah satu metode untuk klasifikasi teks yang memiliki performa terbaik. Untuk menguji klasifikasi Naïve Bayes, dilakukan pengukuran accuracy menggunakan confusion matrix. Nilai accuracy yang diperoleh berdasarkan confusion matrix yaitu sebesar 99,15%. Berdasarkan accuracy yang didapatkan, maka metode klasifikasi Naïve Bayes dapat digunakan sebagai metode pengklasifikasian model yang dibangun karena tingkat akurasinya yang besar.

Referensi

Febriany, A. dan Utama, D. N. 2021. Analysis model for identifying negative posts based on social media. International Journal of Emerging Technology and Advanced Engineering, in press.