Deteksi Cyberbullying dengan Mesin Pembelajaran Klasifikasi (Supervised Learning): Peluang dan Tantangan
Perkembangan teknologi media sosial tidak hanya memberikan kemudahan dalam berkomunikasi antar individu, akan tetapi juga dapat mengancam kehidupan sosial individu seperti tidakan cyberbullying. Bervariasinya pola dan karakteritik cyberbullying mengakibatkan sulitnya proses deteksi cyberbullying, y...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
University of Brawijaya
2022-12-01
|
| Series: | Jurnal Teknologi Informasi dan Ilmu Komputer |
| Online Access: | https://jtiik.ub.ac.id/index.php/jtiik/article/view/6747 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1823858538292707328 |
|---|---|
| author | Yudi Setiawan Nur Ulfa Maulidevi Kridanto Surendro |
| author_facet | Yudi Setiawan Nur Ulfa Maulidevi Kridanto Surendro |
| author_sort | Yudi Setiawan |
| collection | DOAJ |
| description |
Perkembangan teknologi media sosial tidak hanya memberikan kemudahan dalam berkomunikasi antar individu, akan tetapi juga dapat mengancam kehidupan sosial individu seperti tidakan cyberbullying. Bervariasinya pola dan karakteritik cyberbullying mengakibatkan sulitnya proses deteksi cyberbullying, yang dilakukan oleh pelaku cyberbullying. Penelitian deteksi pola dan karakteristik cyberbullying banyak dilakukan dengan berbagai metode, seperti dengan mengimplementasikan Machine Learning, Natural Language Processing (NLP), dan Sentiment Analysis yang memiliki variasi akurasi yang berbeda, dengan keunggulan dan kelemahan dari masing-masing metode. Implementasi Machine Learning untuk deteksi cyberbullying dapat dilakukan dengan berbagai algoritma, seperti algoritma probabilistik (Naïve Bayes) maupun supervised learning (Support Vector Machine, k-Nearest Neighbour, Decission Tree), dan metode lainnya yang hingga saat ini terus dikembangkan dengan berbagai pendekatan untuk meningkatkan akurasi deteksi cyberbullying atau non-cyberbullying. Adapun peluang dan tantangan penelitian deteksi cyberbullying seperti penerapan pada variasi domain bahasa, dan bentuk ekspresi yang dilakukan pada suatu lingkungan atau budaya, yang masih terdapat ruang untuk dikembangkan dan dijelajah secara luas. Pada artikel ini menjabarkan penelitian berikutnya berupa mengimplementasikan metode pembelajaran klasifikasi (Supervised Learning) dengan modifikasi tahapan untuk meningkatkan akurasi klasifikasi.
|
| format | Article |
| id | doaj-art-321b58f773ce4f2eb2cca6eef8e2f6bb |
| institution | Kabale University |
| issn | 2355-7699 2528-6579 |
| language | Indonesian |
| publishDate | 2022-12-01 |
| publisher | University of Brawijaya |
| record_format | Article |
| series | Jurnal Teknologi Informasi dan Ilmu Komputer |
| spelling | doaj-art-321b58f773ce4f2eb2cca6eef8e2f6bb2025-02-11T10:40:17ZindUniversity of BrawijayaJurnal Teknologi Informasi dan Ilmu Komputer2355-76992528-65792022-12-019710.25126/jtiik.20229767471049Deteksi Cyberbullying dengan Mesin Pembelajaran Klasifikasi (Supervised Learning): Peluang dan TantanganYudi Setiawan0Nur Ulfa Maulidevi1Kridanto Surendro2Program Doktor Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung. Program Studi Sistem Informasi, Fakultas Teknik , Universitas BengkuluSekolah Teknik Elektro dan Informatika, Institut Teknologi BandungSekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Perkembangan teknologi media sosial tidak hanya memberikan kemudahan dalam berkomunikasi antar individu, akan tetapi juga dapat mengancam kehidupan sosial individu seperti tidakan cyberbullying. Bervariasinya pola dan karakteritik cyberbullying mengakibatkan sulitnya proses deteksi cyberbullying, yang dilakukan oleh pelaku cyberbullying. Penelitian deteksi pola dan karakteristik cyberbullying banyak dilakukan dengan berbagai metode, seperti dengan mengimplementasikan Machine Learning, Natural Language Processing (NLP), dan Sentiment Analysis yang memiliki variasi akurasi yang berbeda, dengan keunggulan dan kelemahan dari masing-masing metode. Implementasi Machine Learning untuk deteksi cyberbullying dapat dilakukan dengan berbagai algoritma, seperti algoritma probabilistik (Naïve Bayes) maupun supervised learning (Support Vector Machine, k-Nearest Neighbour, Decission Tree), dan metode lainnya yang hingga saat ini terus dikembangkan dengan berbagai pendekatan untuk meningkatkan akurasi deteksi cyberbullying atau non-cyberbullying. Adapun peluang dan tantangan penelitian deteksi cyberbullying seperti penerapan pada variasi domain bahasa, dan bentuk ekspresi yang dilakukan pada suatu lingkungan atau budaya, yang masih terdapat ruang untuk dikembangkan dan dijelajah secara luas. Pada artikel ini menjabarkan penelitian berikutnya berupa mengimplementasikan metode pembelajaran klasifikasi (Supervised Learning) dengan modifikasi tahapan untuk meningkatkan akurasi klasifikasi. https://jtiik.ub.ac.id/index.php/jtiik/article/view/6747 |
| spellingShingle | Yudi Setiawan Nur Ulfa Maulidevi Kridanto Surendro Deteksi Cyberbullying dengan Mesin Pembelajaran Klasifikasi (Supervised Learning): Peluang dan Tantangan Jurnal Teknologi Informasi dan Ilmu Komputer |
| title | Deteksi Cyberbullying dengan Mesin Pembelajaran Klasifikasi (Supervised Learning): Peluang dan Tantangan |
| title_full | Deteksi Cyberbullying dengan Mesin Pembelajaran Klasifikasi (Supervised Learning): Peluang dan Tantangan |
| title_fullStr | Deteksi Cyberbullying dengan Mesin Pembelajaran Klasifikasi (Supervised Learning): Peluang dan Tantangan |
| title_full_unstemmed | Deteksi Cyberbullying dengan Mesin Pembelajaran Klasifikasi (Supervised Learning): Peluang dan Tantangan |
| title_short | Deteksi Cyberbullying dengan Mesin Pembelajaran Klasifikasi (Supervised Learning): Peluang dan Tantangan |
| title_sort | deteksi cyberbullying dengan mesin pembelajaran klasifikasi supervised learning peluang dan tantangan |
| url | https://jtiik.ub.ac.id/index.php/jtiik/article/view/6747 |
| work_keys_str_mv | AT yudisetiawan deteksicyberbullyingdenganmesinpembelajaranklasifikasisupervisedlearningpeluangdantantangan AT nurulfamaulidevi deteksicyberbullyingdenganmesinpembelajaranklasifikasisupervisedlearningpeluangdantantangan AT kridantosurendro deteksicyberbullyingdenganmesinpembelajaranklasifikasisupervisedlearningpeluangdantantangan |