Deteksi Cyberbullying pada Twitter Menggunakan Teknik Data Mining

Meliana, Nina and Fadlil, Abdul and Sunardi, Sunardi (2019) Deteksi Cyberbullying pada Twitter Menggunakan Teknik Data Mining. Masters thesis, Universitas Ahmad Dahlan.

[thumbnail of MTP_Deteksi Cyberbullying pada Twitter Menggunakan Teknik Data Mining.pdf] Text
MTP_Deteksi Cyberbullying pada Twitter Menggunakan Teknik Data Mining.pdf
Restricted to Repository staff only

Download (316kB) | Request a copy
[thumbnail of MTP_BAB I.pdf] Text
MTP_BAB I.pdf
Restricted to Repository staff only

Download (612kB) | Request a copy
[thumbnail of MTP_BAB II.pdf] Text
MTP_BAB II.pdf
Restricted to Repository staff only

Download (988kB) | Request a copy
[thumbnail of MTP_BAB III.pdf] Text
MTP_BAB III.pdf
Restricted to Repository staff only

Download (524kB) | Request a copy
[thumbnail of MTP_BAB IV.pdf] Text
MTP_BAB IV.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[thumbnail of MTP_BAB V.pdf] Text
MTP_BAB V.pdf
Restricted to Repository staff only

Download (288kB) | Request a copy
[thumbnail of MTP_LAMPIRAN 1.pdf] Text
MTP_LAMPIRAN 1.pdf
Restricted to Repository staff only

Download (297kB) | Request a copy
[thumbnail of MTP_LAMPIRAN 2.pdf] Text
MTP_LAMPIRAN 2.pdf
Restricted to Repository staff only

Download (338kB) | Request a copy

Abstract

Berkembangnya jumlah pengguna internet selaras dengan peningkatan jumlah pengguna Twitter. Dampak negatif yang muncul adalah aktivitas cyberbullying. Twitter sebagai media populer tidak lepas dari dampak negatif tersebut. Aktivitas cyberbullying saat ini semakin mudah dilakukan sehingga informasi negatif cepat tersebar dan dapat menjatuhkan harga diri korban. Tujuan penelitian ini adalah mengklasifikasikan tweet yang mengandung konten cyberbullying dari media sosial Twitter.

Penelitian ini terdiri dari beberapa tahap, pertama mengumpulkan data tweet yang diambil dari Twitter menggunakan aplikasi RStudio, kemudian dilakukan preprocessing text (parsing, lexical analysis, stop-word removal, phrase detection, stemming dan weighting) atau pembersihan data sehingga menjadi data yang lebih terstruktur menggunakan aplikasi WEKA. Selanjutnya dilakukan pembobotan serta validasi data dan terakhir adalah melakukan proses klasifikasi menggunakan metode Naive Bayes dan Decision Tree J48.

Metode yang menghasilkan akurasi terbaik diperoleh dari Decision Tree J48 dengan nilai akurasi sebesar 100%. Pada metode Naive Bayes diperoleh nilai rata-rata dari keseluruhan skenario sebesar 92% tingkat keberhasilannya dan 8% yang belum terdeteksi. Jenis cyberbullying yang paling banyak digunakan adalah bullying terkait psikologi atau terkait kebodohan atau sifat seseorang.

Item Type: Thesis (Masters)
Additional Information: Tesis MTI
Keyword: 1. Dr. H. Abdul Fadlil, M.T. 2. Sunardi, S.T., M.T., Ph.D.
Subjects: T Technology > TF Railroad engineering and operation
Divisi / Prodi: Master (Magister) > Master of Technology Informatica (Magister Teknologi Informatika)
Depositing User: M.KOM NINA MELIANA
Date Deposited: 05 Oct 2019 06:55
Last Modified: 05 Oct 2019 06:55
URI: http://eprints.uad.ac.id/id/eprint/15137

Actions (login required)

View Item View Item