Perbandingan Klasifikasi Cyberbullying Pengguna Twitter Menggunakan Hybrid Convolutional Neural Network-Support Vector Machine dan Random Forest Dengan Penyematan Kata FastText

COMPARISON OF CYBERBULLYING CLASSIFICATION OF TWITTER USERS USING HYBRID CONVOLUTIONAL NEURAL NETWORK-SUPPORT VECTOR MACHINE AND RANDOM FOREST WITH FASTTEXT WORD EMBEDDING

Kebiasaan baru masyarakat dalam menggunakan media sosial, termasuk menyebarkan komentar atau ujaran kebencian yang mengarah pada perilaku cyberbullying menjadi perhatian karena memiliki dampak yang serius terhadap korban. Twitter memiliki 400 juta pengguna dengan mayoritas pengguna muda. Berdasarkan survei Pew Research Center dan UNICEF, prevalensi cyberbullying di kalangan remaja cukup tinggi baik di Amerika Serikat maupun Indonesia sehingga diperlukan metode klasifikasi yang dapat mengklasifikasikan cyberbullying dengan baik untuk meminimalkan dampak negatif dari cyberbullying dan menciptakan ruang daring yang lebih aman bagi pengguna. Pada platform Twitter terdapat pembatasan 280 karakter untuk mengunggah sebuah tweet yang menyebabkan adanya variasi kata sehingga memungkinkan ketidaksesuaian kosakata dalam tweet yang diunggah. Dibutuhkan metode untuk mengatasi variasi kata, seperti FastText. Penggunaan FastText Pretrained Model sebagai penyematan kata mampu membantu menangani kata yang tidak dikenali (Out Of Vocabulary). Selain itu, untuk meningkatkan akurasi prediksi digunakan model prediksi klasifikasi yang dibangun dengan pembelajaran ansambel yaitu hybrid CNN-SVM memadukan ekstraksi fitur oleh Convolutional Neural Network (CNN) dengan kemampuan klasifikasi Support Vector Machine (SVM). Serta algoritma Random Forest yang menggunakan beberapa pengklasifikasi keputusan. Dari hasil pengujian didapatkan bahwa pada K=20 CNN-SVM dengan penyematan kata Fast Text memberikan hasil yang lebih baik dibandingkan metode RF, yaitu akurasi mencapai 91,16% dan 74,78% pada data uji. Klasifikasi cyberbullying mampu mengklasifikasikan dalam 5 label kelas dan hasil penelitian ini dapat membantu menciptakan ruang daring yang lebih aman bagi pengguna.

Kata Kunci— Klasifikasi Teks, Cyberbullying, Twitter, FastText, Hybrid CNN-SVM, Random Forest

People's new habits in using social media, including spreading comments or hate speech that leads to cyberbullying behavior is a concern because it has a serious impact on victims. Twitter has 400 million users with the majority being young users. Based on Pew Research Center and UNICEF surveys, the prevalence of cyberbullying among teenagers is quite high in both the United States and Indonesia, so a classification method that can classify cyberbullying well is needed to minimize the negative impact of cyberbullying and create a safer online space for users. On the Twitter platform, there is a 280-character limit for uploading a tweet, which causes word variations that allow vocabulary mismatches in uploaded tweets. A method is needed to overcome word variations, such as FastText. The use of FastText Pretrained Model as word embedding can help handle words that are not recognized (Out Of Vocabulary). In addition, to improve prediction accuracy, a classification prediction model built with ensemble learning, namely hybrid CNN-SVM, combines feature extraction by Convolutional Neural Network (CNN) with Support Vector Machine (SVM) classification capabilities. As well as the Random Forest algorithm that uses several decision classifiers. From the test results, it was found that at K = 20 CNN-SVM with Fast Text word embedding gave better results than the RF method, namely 91,16% accuracy and 74,78% on test data. The cyberbullying classification is able to classify in 5 class labels and the results of this study can help create a safer online space for users.

Keywords— Text Classification, Cyberbullying, Twitter, FastText, Hybrid CNN-SVM, Random Forest