ANALISIS SENTIMEN KOMENTAR CYBERBULLYING DI MEDIA SOSIAL INSTAGRAM MENGGUNAKAN PERBANDINGAN METODE SUPPORT VECTOR MACHINE DAN NAIVE BAYES
Keywords:
analisis sentimen, cyberbullying, instagram, naive bayes, support vector machineAbstract
Instagram merupakan salah satu platform media sosial yang sangat populer di
Indonesia. Walaupun media sosial memudahkan interaksi dan berbagi informasi, ada
sisi negatif yang tidak bisa diabaikan, yaitu cyberbullying. Cyberbullying dapat
merugikan kesehatan mental seseorang, memperburuk kondisi depresi dan
kecemasan, serta menimbulkan perasaan takut dan marah pada korban. Penelitian
ini bertujuan untuk mengevaluasi sentimen komentar tentang cyberbullying di
Instagram dengan membandingkan metode Support Vector Machine (SVM) dan
Naive Bayes dalam mengklasifikasikan sentimen menjadi positif, negatif, atau netral.
Metode SVM yang digunakan mencapai akurasi 68%, sementara metode Naive Bayes
memperoleh akurasi 79%. Hasil ini mengindikasikan bahwa kedua metode tersebut
dapat mengklasifikasikan sentimen pada data uji dengan efektif. Selain itu, proporsi
sentimen menunjukkan bahwa 31,2% komentar berlabel positif, 60,1% berlabel
netral, dan hanya sekitar 8,8% berlabel negatif. Meskipun demikian, perhatian tetap
diperlukan terhadap komentar-komentar negatif karena dapat memiliki dampak
yang signifikan, terutama jika berkaitan dengan masalah seperti cyberbullying.
Downloads
References
Analisis Sentimen Masyarakat Terhadap Tiktok Shop di Twitter Menggunakan Metode Naive Bayes Classifier. ZONAsi: Jurnal Media Informatika Budidarma, 5(1), 59–70. https://doi.org/10.31849/zn.v5i1.12856
Apriyani, H., & Kurniati. (2020). Perbandingan Metode Naïve Bayes Dan Support Vector Machine Dalam Klasifikasi Penyakit Diabetes Melitus. Journal of Information Technology Ampera, 1(3), 133–143. https://doi.org/10.51519/journalita.volume1.isssue3.year2020.page133-143
Asana, I. M. D. P., & Yanti, N. P. D. T. (2023). Sistem Klasifikasi Pengajuan Kredit Dengan Metode Support Vector Machine ( SVM ). 06(02), 123–133.
Dewi, C. (2023). Indonesia Nomor 1 Negara Dengan Kasus Cyberbullying Terbanyak Di Dunia, Etika Berjejaring: Jarimu Harimaumu! Bernas.Id. https://www.bernas.id/2023/06/163975/indonesia-nomor-1-negara-dengan-kasus-cyberbullying-terbanyak-di-dunia-etika-berjejaring-jarimu-harimaumu/
Fadli, D. R. (2023). Mengenal Cyberbullying: Penyebab, Dampak, dan Cara Mengatasinya. Halodoc. Andrian, E., & Inain, A. R. (2023). Analisis Sentimen Masyarakat Terhadap Tiktok Shop di Twitter Menggunakan Metode Naive Bayes Classifier. ZONAsi: Jurnal Media Informatika Budidarma, 5(1), 59–70. https://doi.org/10.31849/zn.v5i1.12856
Apriyani, H., & Kurniati. (2020). Perbandingan Metode Naïve Bayes Dan Support Vector Machine Dalam Klasifikasi Penyakit Diabetes Melitus. Journal of Information Technology Ampera, 1(3), 133–143. https://doi.org/10.51519/journalita.volume1.isssue3.year2020.page133-143
Asana, I. M. D. P., & Yanti, N. P. D. T. (2023). Sistem Klasifikasi Pengajuan Kredit Dengan Metode Support Vector Machine ( SVM ). 06(02), 123–133.
Dewi, C. (2023). Indonesia Nomor 1 Negara Dengan Kasus Cyberbullying Terbanyak Di Dunia, Etika Berjejaring: Jarimu Harimaumu! Bernas.Id. https://www.bernas.id/2023/06/163975/indonesia-nomor-1-negara-dengan-kasus-cyberbullying-terbanyak-di-dunia-etika-berjejaring-jarimu-harimaumu/
Fadli, D. R. (2023). Mengenal Cyberbullying: Penyebab, Dampak, dan Cara Mengatasinya. Halodoc. https://www.halodoc.com/artikel/mengenal-cyberbullying-penyebab-dampak-dan-cara-mengatasinya
Imam, & Santoso, I. (2023). Analisis Sentimen Pada Twiter Terhadap Gagalnya Pelaksanaan Piala Dunia di Indonesia. 7(2).
Kaburuan, E. R., & Setiawan, N. R. (2023). Sentimen Analisis Review Aplikasi Digital Korlantas Pada Google Play Store Menggunakan Metode SVM. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 12(1), 105–116. https://doi.org/10.32736/sisfokom.v12i1.1614
Kusuma, I. H., & Cahyono, N. (2023). Analisis Sentimen Masyarakat Terhadap Penggunaan E-Commerce Menggunakan Algoritma K-Nearest Neighbor. Jurnal Informatika: Jurnal Pengembangan IT, 8(3), 302–307. https://doi.org/10.30591/jpit.v8i3.5734
Sari, D. N., & Basit, A. (2020). Media Sosial Instagram Sebagai Media Informasi Edukasi. Persepsi: Communication Journal, 3(1), 23–36. https://doi.org/10.30596/persepsi.v3i1.4428
Suryati, E., Styawati, & Aldino, A. A. (2023). Analisis Sentimen Transportasi Online Menggunakan Ekstraksi Fitur Model Word2vec Text Embedding Dan Algoritma Support Vector Machine (SVM). Jurnal Teknologi Dan Sistem Informasi, 4(1), 96–106. https://doi.org/10.33365/jtsi.v4i1.2445
Widi, S. (2023). Pengguna Media Sosial di Indonesia Sebanyak 167 Juta pada 2023. Dataindonesia. https://dataindonesia.id/internet/detail/pengguna-media-sosial-di-indonesia-sebanyak-167-juta-pada-2023
Yi, P., & Zubiaga, A. (2023). Session-based cyberbullying detection in social media: A survey. Online Social Networks and Media, 36(June), 100250. https://doi.org/10.1016/j.osnem.2023.100250
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Rismayanti, Muhammad Zulfadhilah, Nurhaeni, Evi Lestari Pratiwi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
