Dentifikasi Cyberbullying Pada Media Sosial Twitter Menggunakan LSTM Dan BILSTM

Abstract

Cyberbullying menjadi sebuah masalah yang harus mendapat perhatian serius oleh semua pihak. Di samping tindakan ini merupakan kebiasaan yang buruk, cyberbullying juga memberikan dampak yang mengerikan, mulai dari gangguan psikis korban, hingga berujung pada kasus bunuh diri. Tujuan dari penelitian ini adalah membuat sebuah aplikasi untuk mengidentifikasi konten yang mengandung makna perundungan secara daring (cyberbullying) pada media sosial. Media sosial yang dipilih adalah Twitter. Setidaknya, ada 6835 baris data yang telah dikumpulkan. Data-data tersebut berisi dua jenis cuitan baik cuitan yang memiliki kecenderungan cyberbullying dan non-cyberbullying. Untuk mencapai tujuan penelitian, peneliti menggunakan lima langkah penelitian, yaitu pengumpulan data, preprocessing, klasifikasi, evaluasi, dan deteksi konten. Algoritma Deep Learning yang diimplementasikan dalam penelitian ini adalah Bidirectional Long Short Term Memory. Setelah model terbentuk, kemudian dibuat sebuah fitur untuk deteksi konten. Klasifikasi menggunakan algoritma Bidirectional Long Short Term Memory terbukti memiliki performa yang lebih baik dibandingkan algoritma Long Short Term Memory. Model tersebut menjadi inti dari fitur identifikasi cyberbullying yang diimplementasikan dalam sebuah fitur deteksi konten.