KLASIFIKASI CYBERBULLYING PADA MEDIA SOSIAL DENGAN MENGGUNAKAN METODE RECURRENT NEURAL NETWORK DAN LONG SHORT TERM MEMORY

CLASSIFICATION OF CYBERBULLYING ON SOCIAL MEDIA USING RECURRENT NEURAL NETWORK AND LONG SHORT TERM MEMORY METHODS

Pesatnya Kemajuan media sosial dan teknologi komunikasi berbasis online sangat memberikan dampak yang signifikan pada pola interaksi dan komunikasi antar individu satu dengan individu yang lain. Cyberbullying sangat sukar untuk dilacak dan telah menjadi bahasan studi yang sering diteliti akhir-akhir ini. Beberapa studi yang memiliki kaitan dengan Twitter untuk melacak user media sosial yang mendapat ancaman Cyberbullying. Salah satu studi Cyberbullying via media sosial Twitter mengikhtisarkan bahwa terdapat hubungan antara user Twitter terhadap apa yang mereka ketik di media sosial mengilustrasikan Cyberbullying. Tujuan dari penelitian ini yaitu untuk pengembangan dan pengoptimalan dari penelitian sebelumnya dengan mengadaptasi metode yang berbeda yakni Recurrent Neural Network dan Long Short Term Memory, dan Pengklasifikasian Cyberbullying pada data tweet berbahasa Indonesia. Dataset yang digunakan berjumlah 13.169 baris tweet, dataset tersebut telah dilakukan pelablean data, proses preprocessing dilakukan pada dataset sebelum dataset tersebut diolah pada proses training. Hasil dari penelitian dengan menggunakan metode Recurrent Neural Network dan Long Short Term Memory mendapatkan nilai F1-score sebesar 94%, nilai presisi sebesar 93%, recall sebesar 94% dan akurasi sebesar 94%. Klasifikasi Cyberbullying diharapkan mampu memberikan bantuan bagi peneliti lain untuk tujuan Analisa banyaknya depresi di masyarakat pengguna media sosial.

Kata Kunci - Pengguna Twitter, Media Sosial, Cyberbullying, Klasifikasi, Recurrent Neural Network dan Long Short Term Memory.

The rapid progress of social media and online-based communication technology has had a significant impact on interaction and communication patterns between individuals and other individuals. Cyberbullying is very difficult to track and has become the subject of frequent research recently. Several studies are related to Twitter to track social media users who receive cyberbullying threats. One study of Cyberbullying via Twitter social media summarizes that there is a relationship between Twitter users and what they type on social media which illustrates Cyberbullying. The aim of this research is to develop and optimize previous research by adapting different methods, namely Recurrent Neural Network and Long Short Term Memory, and Classifying Cyberbullying on Indonesian language tweet data. The dataset used is 13,169 lines of tweets, data labeling has been carried out on the dataset, preprocessing is carried out on the dataset before the dataset is processed in the training process. The results of research using the Recurrent Neural Network and Long Short Term Memory methods obtained an F1-score of 94%, a precision value of 93%, a recall of 94% and an accuracy of 94%. It is hoped that the Cyberbullying Classification will be able to provide assistance to other researchers for the purpose of analyzing the prevalence of depression in social media users.

Keywords - Twitter Users, Social Media, Cyberbullying, Classification, Recurrent Neural Network and Long Short Term Memory.