Identifikasi Cyberbullying pada Media Sosial Twitter Menggunakan Metode LSTM dan BiLSTM

Abstract

Cyberbullying merupakan masalah yang harus menjadi perhatian penting oleh masyarakat. Cyberbullying termasuk kebiasaan buruk yang berdampak mengerikan, mulai dari gangguan psikologis korban, hingga munculnya kasus bunuh diri. Tujuan dari penelitian ini adalah mengidentifikasi konten yang mengandung makna perundungan secara daring (cyberbullying) pada media sosial khususnya Twitter. Dalam kasus ini, sumber data penelitian ini berasal dari media sosial Twitter. Setidaknya, ada 6835 data yang telah dikumpulkan. Data tersebut terdiri dari dua jenis cuitan dengan masingmasing cuitan memiliki kecenderungan cyberbullying dan noncyberbullying. Tujuan penelitian akan tercapai dengan melakukan beberapa langkah yang pertama yaitu pengumpulan data, lalu preprocessing, kemudian ekstraksi fitur, setelah itu klasifikasi, dan terakhir evaluasi. Dua algoritma deep learning diimplementasikan dalam penelitian ini, yaitu LSTM dan BiLSTM. Sehingga, disimpulkan bahwa keduua algoritma tersebut memiliki performa yang relatif sama. Akurasi dari masing masing algoritma dituliskan sebagai berikut Long Short Term Memory 81,60 % dan Bidirectional Long Short Term Memory 81,78 %. Lalu, untuk nilai dari F1-Score dari masingmasing algoritma sebagai berikut Long Short Term Memory 77,88 % dan Bidirectional Long Short Term Memory 77,89 %.