Penerapan TF-IDF Dalam Deteksi Cyberbullying Dengan Algoritma Support Vector Machine (SVM)

Latar Belakang: Perkembangan teknologi informasi mendorong peningkatan penggunaan media sosial di kalangan remaja, namun juga memicu kasus cyberbullying yang berdampak serius pada kesehatan mental. Deteksi manual dinilai kurang efektif karena volume data yang besar dan kompleksitas bahasa. Oleh
karena itu, dibutuhkan pendekatan berbasis pemrosesan bahasa alami menggunakan TF-IDF dan algoritma Support Vector Machine (SVM) untuk mengidentifikasi ujaran cyberbullying secara cepat dan akurat.
Tujuan: Penelitian ini bertujuan untuk untuk mengembangkan model deteksi cyberbullying menggunakan metode TF-IDF dalam ekstraksi fitur teks terkait cyberbullying dan Support Vector Machine (SVM) sebagai algoritma klasifikasi
Metode Penelitian: Penelitian dimulai dengan analisis permasalahan dan pengumpulan dataset berupa komentar yang mengandung indikasi cyberbullying. Data diproses melalui tahapan pra-pemrosesan, ekstraksi fitur dengan TF-IDF, dan
klasifikasi menggunakan baseline dan algoritma SVM, serta evaluasi akurasi berdasarkan metrik evaluasi dari confusion matrix.
Hasil: Hasil pengujian menunjukkan bahwa model klasifikasi berbasis TF-IDF dan SVM mampu mendeteksi cyberbullying dengan akurasi mencapai 84%, serta nilai AUC yang stabil pada seluruh label, mengindikasikan performa klasifikasi yang konsisten dan andal.
Kesimpulan: Penerapan metode TF-IDF sebagai representasi fitur teks yang dikombinasikan dengan algoritma SVM terbukti efektif dalam mendeteksi ujaran cyberbullying pada data media sosial, dengan hasil evaluasi yang cukup baik dan
potensi pengembangan lebih lanjut di masa depan.