Penerapan Analisis Sentimen Terhadap Kekerasan atau Tindak Bullying pada Media Sosial Twitter
DOI:
https://doi.org/10.21831/jiety.v3i2.2158Keywords:
Analisis sentimen, Cyberbullying, Perbandingan Model, Support Vector Machine, TwitterAbstract
Penelitian ini bertujuan untuk: (1) untuk menguji serta menganalisis bagaimana anonimitas dapat memengaruhi perilaku cyberbullying di media sosial Twitter; (2) untuk mengetahui bagaimana pemanfaatan teknik analisis sentimen di media sosial Twitter menggunakan klasifikasi Support Vector Machine (SVM) dapat digunakan secara efektif dalam mengidentifikasikan cyberbullying. Penelitian ini menggunakan metode penelitian kuantitatif. Pengambilan data menggunakan alat Tweet Harvest. Subjek penelitian yaitu seluruh cuitan pengguna di Twitter berbahasa Indonesia yang berkaitan dengan cyberbullying atau tindakan kekerasan verbal lainnya. Proses analisis sentimen yang dilakukan memuat crawling data, preprocessing, labeling, feature extraction and modeling, evaluating, dan visualization. Teknik analisis yang akan digunakan dalam penelitian ini adalah analisis kinerja model menggunakan Confusion Matrix untuk menentukan seberapa baik model dalam menentukan, memprediksi dan mengklasifikasikan sentimen. Hasil Penelitian menunjukkan bahwa: (1) Anonimitas terbukti dapat memengaruhi perilaku cyberbullying di media sosial Twitter. Hal ini terlihat pada tahap identifikasi anonimitas, yang menunjukkan bahwa 811 dari 1.365 pengguna akun Twitter, teridentifikasi sebagai akun anonim. Selain itu, berdasarkan hasil analisis sentimen terhadap 1.282 data cuitan, diketahui bahwa 68,8% di antaranya mengandung unsur negatif. Hasil penelitian ini juga sejalan dengan teori disinhibition effect, di mana pengguna dapat dengan bebas mengutarakan pikirannya di media sosial tanpa ada yang mengawasi dan menganggap status seseorang di media sosial itu setara; (2) model klasifikasi Support Vector Machine terbukti efektif dalam mengidentifikasi cyberbullying di bandingkan Random Forest dan Naïve Bayes dengan nilai akurasi 81% > 80% > 78%.
Downloads
References
Adliyah, S. (2024). Remaja Putri di Palembang Dikeroyok, Pelaku Sering Hate Comment. https://www.detik.com/sumbagsel/hukum-dan-kriminal/d-7540667/remaja-putri-di-palembang-dikeroyok-pelaku-sering-hate-comment
Andrianus, Y. (2023). IMPLEMENTASI ALGORITMA K-MEANS TERHADAP OPINI MASYARAKAT MENGENAI PERKIRAAN PEMILU 2024 PADA TWITTER.pdf. 8, 305–308. https://doi.org/https://doi.org/10.51876/simtek.v8i2.271
Bird, S., Klein, E., & Loper, E. (2009). Natural Language Processing with Python (J. Steele (ed.); 1 ed.). O’Reilly Media, Inc. https://www.nltk.org/#natural-language-toolkit
Breiman, L. (2001). RANDOM FOREST. Statistics Department, University of California, Berkeley, CA 94720, 45(October 2001), 5–32. https://doi.org/https://doi.org/10.1023/A:1010933404324
CNN Indonesia. (2022). Kasus Bullying Anak Setubuhi Kucing di Tasikmalaya Naik ke Penyidikan. Jakarta. https://www.cnnindonesia.com/nasional/20220725173918-12-825930/kasus-bullying-anak-setubuhi-kucing-di-tasikmalaya-naik-ke-penyidikan
Haj, A. S. A. (2019). Analisis sentimen masyarakat terhadap kinerja kpu pada pemilu 2019 menggunakan algoritma k-means dengan confix stripping stemmer. Repository.Uinjkt.Ac.Id. https://repository.uinjkt.ac.id/dspace/handle/123456789/55857
Hilmi Zain, H., Maulana Awannga, R., & Isti Rahayu, W. (2023). Perbandingan Model Svm, Knn Dan Naïve Bayes Untuk Analisis Sentiment Pada Data Twitter: Studi Kasus Calon Presiden 2024. JIMPS: Jurnal Ilmiah Mahasiswa Pendidikan Sejarah, 8(3), 2083–2093. https://jim.usk.ac.id/sejarah
Humam, C., & Laksito, A. D. (2023). Implementasi Aplikasi Sentimen Pada Data Twitter Jelang Pemilu 2024. Jurnal Informatika: Jurnal Pengembangan IT, 8(2), 105–112. https://doi.org/10.30591/jpit.v8i2.5051
Humas. (2021). Putra Papua Jadi Korban Cyber Bullying, Rasisme di Indonesia Makin Liar! Universitas Al Azhar Indonesia. https://uai.ac.id/en/putra-papua-jadi-korban-cyber-bullying-rasisme-di-indonesia-makin-liar/
Hutto, C. J. (2014). VADER: A Parsimonious Rule-based Model for Sentiment Analysis of Social Media Text. https://github.com/cjhutto/vaderSentiment
Ikhsanudin, A. (2023). KPAI: Luluk Nuril Lakukan Cyberbullying, Korban Hilang Percaya Diri. detiknews. https://news.detik.com/berita/d-6918297/kpai-luluk-nuril-lakukan-cyberbullying-korban-hilang-percaya-diri
Jariyah, S. A. (2022). Fenomena Cyberbullying Dan Penanganannya (Studi Kasus Pada Dua Siswa Di Smp Negeri 1 Sungguminasa Kabupaten Gowa). http://eprints.unm.ac.id/25128/%0Ahttp://eprints.unm.ac.id/25128/1/SYANI AINUN JARIYAH.pdf
Khaira, U., Johanda, R., Utomo, P. E. P., & Suratno, T. (2020). Sentiment Analysis Of Cyberbullying On Twitter Using SentiStrength. Indonesian Journal of Artificial Intelligence and Data Mining, 3(1), 21. https://doi.org/10.24014/ijaidm.v3i1.9145
Madyatmadja, E. D., Felix, Edrick, I. G. K., Indarto, J. W., & Sembiring, D. J. M. (2024). Harmonizing sentiments: Analyzing user reviews of Spotify through sentiment analysis. Journal of Infrastructure, Policy and Development, 8(9), 23. https://doi.org/10.24294/jipd.v8i9.7101
Munawaroh, & Ninik Setiyowati. (2024). Systematic Literature Review Using Big Data Tentang Emotional Intelligence dan Perilaku Cyberbullying Remaja. G-Couns: Jurnal Bimbingan dan Konseling, 9(1), 506–517. https://doi.org/10.31316/gcouns.v9i1.5991
Ning Tan, P., Steinbach, M., Karpatne, A., & Kumar, V. (2019). INTRODUCTION TO DATA MINING (Second Edi).
Novianto, R. D. (2024). Wamenkes Ungkap 300 Kasus Perundungan di Program Pendidikan Dokter Spesialis. sindonews. https://nasional.sindonews.com/read/1448697/15/wamenkes-ungkap-300-kasus-perundungan-di-program-pendidikan-dokter-spesialis-1725365386
Nugraha, T., Purwantoro, & Umaidah, Y. (2022). Analisis Sentimen terhadap Perpanjangan Masa Jabatan Presiden Indonesia Menggunakan Algoritma Naïve Bayes. 4, 1349–1358.
Pratomo, Y., & Yusuf, O. (2019). 49 Persen Netizen di Indonesia Pernah Mengalami “Bullying” di Medsos. Kompas.com. https://tekno.kompas.com/read/2019/05/16/08290047/49-persen-netizen-di-indonesia-pernah-mengalami-bullying-di-medsos
Rizkyanti, C. A., Hesti Cahyani, A., Salsabilla, S., & Aulia, A. (2021). EMPATI DAN PERAN BYSTANDER DALAM CYBERBULLYING: FAMILY COMMUNICATION PATTERN SEBAGAI MEDIATOR. Jurnal Psikohumanika, 13(2), 10–24. http://ejurnal.setiabudi.ac.id/ojs/index.php/psikohumanika
Salsabila, N. A. (2022). ANALISIS SENTIMEN PADA MEDIA SOSIAL TWITTER TERHADAP TOKOH GUS DUR MENGGUNAKAN METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE (SVM).
Satria, H. (2024). Tweet Harvest. https://github.com/helmisatria/tweet-harvest
Syahputra, M. O., & Rosnita, L. (2024). Analysis of Public Sentiment Toward Celebrity Endorsement On Media Social Using Support Vector Machine. 4(3), 118–127.
Tazkiyah, I., Fadillah, A. R., Kusuma, F. W., Siswantoro, M. F., & Cahyono, S. A. (2021). Peran Anonimitas terhadap Cyberbullying pada Media Sosial The Role of Anonymity to Cyberbullying on Social Media. Seminar Nasional Teknologi dan Sistem Informasi, 3(2), 77–83. https://sitasi.upnjatim.ac.id/index.php/sitasi/article/download/74/11/
Zein, A., Farizy, S., & Suharyanto, E. (2022). SENTIMEN ANALISIS PADA KOMENTAR PENDEK EVALUASI DOSEN OLEH MAHASISWA ( EDOM ) PROGRAM STUDI SISTEM INFORMASI. V(01).
Zuhriyah, U. (2024). Data Kasus Bullying Terbaru 2024, Apakah Meningkat? https://tirto.id/data-kasus-bullying-terbaru-2024-apakah-meningkat-g621
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Journal of Information Engineering and Technology
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
