• Kode Repository : SKI70/MUH/19
• NPM : 065115332
• Nama : Muhammad Rizqi Aulia Putra
• Pembimbing 1 : -Dr. Sri Setyaningsih, M.Si.
• Pembimbing 2 : -Dr. Ir. Hermawan
• Abstrak : -KLASIFIKASI KOMENTAR CYBERBULLYING PADA SOSIAL MEDIA TWITTER Muhammad Rizqi Aulia Putra1), Sri Setyaningsih2), Hermawan Thaheer3) Email : muhammadrizqi.working@gmail.com 1, 2 & 3)Program Studi Ilmu Komputer, FMIPA, Universitas Pakuan Bogor Abstrak Seiring dengan perkembangan zaman, perkembangan teknologi pun semakin canggih. Anak-anak dan remaja sekarang sudah mahir menggunakan teknologi dan mengakses internet. Di zaman era teknologi ini kasus cyberbullying semakin banyak, Namun hal ini memberikan dampak negative, Berbagai kabar tidak baik tersebar secara cepat di dunia maya dan pada akhirnya muncul komentar negatif yang bersifat menyakiti hati anak. Sebagai dampaknya remaja yang berkeseharian riang, menjadi murung dan selalu menangis, Pada penelitian ini akan dibuat Klasifikasi Pada Komentar Cyberbullying di Sosial Media Twitter Menggunakan Klasifikasi Term Frequency-Inverse Document Frequency (TF-IDF) dan Cosine Similarity. Pada penelitian ini yaitu membandingkan similaritas antar dokumen. Kemudian mencari nilai similaritas tertinggi antar dokumen. Apabila total similaritas yang didapatkan adalah nol (0) maka dokumen yang diolah tidak memiliki kesamaan dan jika nilai yang didapatkan maksimal adalah 1 maka dokumen tersebut memiliki kemiripan. Penelitian yang dilakukan telah berhasil menerapkan metode Term Frequency-Inverse Document Frequency dan Cosine Similarity untuk kategorisasi dan klasifikasi Cyberbullying berdasarkan tweet komentar twitter berbasis website. Sistem kategorisasi ini menggunakan data komentar, dan jenis Cyberbullying yang terdiri dari 5 kategori, yaitu kategori Flaming, Denigration, Outing, Harassment, Cyberstalking. Data yang digunakan sebanyak 1200 data yang terbagi menjadi 5 kategori Cyberbullying dan dibagi menjadi data latih dan data uji. Data latih maupun data uji dari setiap kategori berbeda terdiri dari dua kelas akun aktor dan kategori yaitu kategori flamming 66 data uji, denigration 54 data uji, outing 39 data uji, harassment 118 data uji, cyberstalking 51 data uji. aplikasi sudah akurat dengan menghasilkan tingkat akurasi 91.11%. Jadi hasil analisa terhadap hasil akurasi adalah 91.11%. Keywords: Term Frequency-Inverse Document Frequency (TF-IDF), Cosine Similarity, Twitter, Cyberbullying
• Program Studi : Ilmu Komputer