Deteksi dan Klasifikasi Teks Cyberbullying Secara Otomatis pada Media Sosial Menggunakan Algoritma BiLSTM

Fikri Riyadi, Muhammad (2025) Deteksi dan Klasifikasi Teks Cyberbullying Secara Otomatis pada Media Sosial Menggunakan Algoritma BiLSTM. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (542kB)
	PDF BAB_I.pdf Download (509kB)
	PDF BAB_II.pdf Download (574kB)
	PDF BAB_III.pdf Download (344kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (994kB)
	PDF BAB_V.pdf Download (246kB)
	PDF DAFTAR_PUSTAKA.pdf Download (259kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (897kB)

Abstract

Perkembangan media sosial telah membawa dampak signifikan terhadap interaksi digital, namun juga memunculkan permasalahan serius seperti cyberbullying. Bentuk kekerasan verbal seperti hinaan, ujaran kebencian dan diskriminasi semakin sering ditemukan di platform seperti Twitter. Penelitian ini dilakukan untuk merancang sistem deteksi otomatis yang mampu mengidentifikasi berbagai jenis cyberbullying dalam teks berbahasa Indonesia secara akurat. Metode yang digunakan dalam penelitian ini adalah klasifikasi multi-label berbasis deep learning dengan menggabungkan model pralatih IndoBERT dan Bidirectional LSTM (BiLSTM). Data dikumpulkan melalui proses scraping menggunakan tweet-harvest kemudian dilakukan preprocessing menyeluruh, augmentasi untuk label minor serta penerapan Focal Loss dan tuning threshold berbasis ROC-AUC. Proses pelatihan dan evaluasi model dilakukan menggunakan Python di Google Colab dan sistem diimplementasikan dalam bentuk aplikasi web interaktif menggunakan Gradio yang dideploy melalui Hugging Face Spaces. Hasil evaluasi menunjukkan bahwa model yang dikembangkan memiliki performa sangat baik dengan F1-score mikro sebesar 0.89 dan makro sebesar 0.88, serta skor AUC di atas 0.94 untuk semua label. Sistem ini mampu mendeteksi hingga 12 kategori kekerasan verbal secara simultan seperti hinaan personal, rasisme, seksisme dan ujaran kebencian berbasis agama. Aplikasi yang dibangun dapat menjadi prototipe solusi pendeteksian dini cyberbullying dan berpotensi digunakan sebagai alat bantu edukasi maupun moderasi konten daring.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Fikri Riyadi, Muhammad (00000061231)
Contributors:	Fernando, Erick
Keywords:	BiLSTM, Cyberbullying, Deteksi Teks, IndoBERT, Multi-Label.
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	10 Sep 2025 05:35
URI:	https://kc.umn.ac.id/id/eprint/40410

Actions (login required)

View Item