relation: http://eprints.unpak.ac.id/2422/
title: KLASIFIKASI KOMENTAR CYBERBULLYING PADA SOSIAL  MEDIA TWITTER
creator: Rizqi Aulia Putra1),, Muhammad
creator: Setyaningsih, Sri
creator: Hermawan
subject: Ilmu Komputer
description: Abstrak  Seiring dengan perkembangan zaman, perkembangan teknologi pun semakin canggih. Anak-anak dan remaja  sekarang sudah mahir menggunakan teknologi dan mengakses internet. Di zaman era teknologi ini kasus  cyberbullying semakin banyak, Namun hal ini memberikan dampak negative, Berbagai kabar tidak baik  tersebar secara cepat di dunia maya dan pada akhirnya muncul komentar negatif yang bersifat menyakiti hati  anak. Sebagai dampaknya remaja yang berkeseharian riang, menjadi murung dan selalu menangis, Pada  penelitian ini akan dibuat Klasifikasi Pada Komentar Cyberbullying di Sosial Media Twitter Menggunakan  Klasifikasi Term Frequency-Inverse Document Frequency (TF-IDF) dan Cosine Similarity. Pada penelitian  ini yaitu membandingkan similaritas antar dokumen. Kemudian mencari nilai similaritas tertinggi antar  dokumen. Apabila total similaritas yang didapatkan adalah nol (0) maka dokumen yang diolah tidak memiliki  kesamaan dan jika nilai yang didapatkan maksimal adalah 1 maka dokumen tersebut memiliki kemiripan.  Penelitian yang dilakukan telah berhasil menerapkan metode Term Frequency-Inverse Document Frequency  dan Cosine Similarity untuk kategorisasi dan klasifikasi Cyberbullying berdasarkan tweet komentar twitter  berbasis website. Sistem kategorisasi ini menggunakan data komentar, dan jenis Cyberbullying yang terdiri  dari 5 kategori, yaitu kategori Flaming, Denigration, Outing, Harassment, Cyberstalking. Data yang  digunakan sebanyak 1200 data yang terbagi menjadi 5 kategori Cyberbullying dan dibagi menjadi data latih  dan data uji. Data latih maupun data uji dari setiap kategori berbeda terdiri dari dua kelas akun aktor dan  kategori yaitu kategori flamming 66 data uji, denigration 54 data uji, outing 39 data uji, harassment 118 data  uji, cyberstalking 51 data uji. aplikasi sudah akurat dengan menghasilkan tingkat akurasi 91.11%. Jadi hasil  analisa terhadap hasil akurasi adalah 91.11%.  Keywords: Term Frequency-Inverse Document Frequency (TF-IDF), Cosine Similarity, Twitter,  Cyberbullying.
date: 2019-02
type: Thesis
type: NonPeerReviewed
identifier:   Rizqi Aulia Putra1),, Muhammad and Setyaningsih, Sri and Hermawan  (2019) KLASIFIKASI KOMENTAR CYBERBULLYING PADA SOSIAL MEDIA TWITTER.  Skripsi thesis, Universitas Pakuan.