Klasterisasi Komentar Cyberbullying Masyarakat di Instagram berdasarkan K-Means Clustering
DOI:
https://doi.org/10.32664/j-intech.v11i1.846Kata Kunci:
sentimen analisis, K-means clustering, cyberbullying, sosial mediaAbstrak
Cyberbullying telah menjadi masalah serius di platform media sosial seperti Instagram. Dalam usaha untuk mengatasi masalah ini, penelitian ini bertujuan untuk mengelompokkan komentar-komentar cyberbullying yang dibuat oleh pengguna Instagram. Metode yang digunakan dalam penelitian ini adalah K-Means Clustering, yang merupakan salah satu teknik pengelompokan yang umum digunakan dalam analisis data. Data komentar yang terkumpul dari Instagram kemudian dianalisis menggunakan algoritma K-Means Clustering untuk mengidentifikasi pola dan kelompok komentar yang serupa. Temuan dari penelitian ini dapat memberikan pemahaman yang lebih baik tentang jenis dan karakteristik komentar cyberbullying yang sering muncul di Instagram. Dengan mengetahui kelompok-kelompok komentar yang serupa, langkah-langkah pencegahan dan penanggulangan dapat dirancang dengan lebih efektif. Selain itu, hasil pengelompokan juga dapat membantu dalam pengembangan algoritma deteksi otomatis untuk mengidentifikasi komentar cyberbullying di platform media sosial. Berdasarkan evaluasi yang dilakukan terhadap hasil clustering dengan nilai dari silhouette score = 0,690152 yaitu pada cluster C1 yaitu cluster negatif. Maka komentar cyberbullying yang paling dominan adalah komentar negatif.
Referensi
Alshari, E. M. (2017). Improvement of Sentiment Analysis based on Clustering of Word2Vec Features. 0–3. https://doi.org/10.1109/DEXA.2017.41
Candra, R. M., & Rozana, A. N. (2020). Klasifikasi Komentar Bullying pada Instagram Menggunakan Metode K-Nearest Neighbor. 5(1), 45–52.
Djaballah, K. A., Boukhalfa, K., & Boussaid, O. (2019). Sentiment Analysis of Twitter Messages using Word2vec by Weighted Average. 2019 6th International Conference on Social Networks Analysis, Management and Security, SNAMS 2019, 223–228. https://doi.org/10.1109/SNAMS.2019.8931827
Hasdyna, N., & Dinata, R. K. (2020). Analisis Matthew Correlation Coefficient pada K-Nearest Neighbor dalam Klasifikasi Ikan Hias. INFORMAL: Informatics Journal, 5(2), 57. https://doi.org/10.19184/isj.v5i2.18907
Jardim, S., Mora, C., Jardim, S., & Mora, C. (2022). ScienceDirect ScienceDirect Customer reviews sentiment-based analysis and clustering for tourism services and products development or Customer reviews and clustering for positioning market-oriented tourism services and products development or positioning. Procedia Computer Science, 196(2021), 199–206. https://doi.org/10.1016/j.procs.2021.12.006
Khaira, U., Johanda, R., Eko, P., Utomo, P., Suratno, T., & Info, A. (2020). Sentiment Analysis of Cyberbullying on Twitter Using SentiStrength. 3(1), 21–27.
Liu, S. (2016). Sentiment Clustering with Topic and Temporal Information from Large Email Dataset. Paclic 30, 363–371.
Method, M., Triyana, R., Putra, O. V., Pradhana, F. R., & Gontor, U. D. (n.d.). Deteksi Cyberbullying Pada Tweet Berbahasa Inggris Dengan Metode Support Vector Machine. (2017) 98–103.
Nainggolan, R., Adline, F., Tobing, T., Harianja, E. J. G., Akuntansi, K., Indonesia, U. M., Informatika, P., & Nusantara, U. M. (2023). Analysis Sentiment in Bukalapak Comments with K-Means Clustering Method. 9(2), 87–92.
Ningtyas, A. M., & Herwanto, G. B. (2018). The Influence of Negation Handling on Sentiment Analysis in Bahasa Indonesia. Proceedings of 2018 5th International Conference on Data and Software Engineering, ICoDSE 2018, November 2018. https://doi.org/10.1109/ICODSE.2018.8705802
Patihullah, J., & Winarko, E. (2019). Hate Speech Detection for Indonesia Tweets Using Word Embedding And Gated Recurrent Unit. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 13(1), 43. https://doi.org/10.22146/ijccs.40125
Prastyo, P. H., Sumi, A. S., Dian, A. W., & Permanasari, A. E. (2020). Tweets Responding to the Indonesian Government’s Handling of COVID-19: Sentiment Analysis Using SVM with Normalized Poly Kernel. Journal of Information Systems Engineering
