Mutiara, Dila and Irianto, Suhendro Yusuf (2024) DETEKSI CYBERBULLYING PADA KOMENTAR YOUTUBE DENGAN METODE NAÏVE BAYES. Skripsi thesis, Institut Informatika dan Bisnis Darmajaya.
![[img]](http://repo.darmajaya.ac.id/style/images/fileicons/text.png) |
Text
cover.pdf Download (74kB) |
|
Text
halaman orisinalitas.pdf Download (317kB) |
|
Text
halaman persetujuan.pdf Download (918kB) |
|
Text
halaman pengesahan.pdf Download (751kB) |
|
Text
halaman persembahan.pdf Download (6kB) |
|
Text
halaman motto.pdf Download (74kB) |
|
Text
abstrak bahasa indonesia.pdf Download (93kB) |
|
Text
abstrak bahasa inggris.pdf Download (450kB) |
|
Text
riwayat hidup.pdf Download (218kB) |
|
Text
kata pengantar.pdf Download (539kB) |
|
Text
daftar isi.pdf Download (27kB) |
|
Text
daftar gambar.pdf Download (10kB) |
|
Text
daftar tabel.pdf Download (5kB) |
|
Text
BAB I.pdf Download (502kB) |
|
Text
BAB II.pdf Download (272kB) |
|
Text
BAB III.pdf Download (291kB) |
|
Text
BAB IV.pdf Download (860kB) |
|
Text
BAB V.pdf Download (128kB) |
|
Text
daftar pustaka.pdf Download (240kB) |
|
Text
lampiran.pdf Download (512kB) |
Abstract
Perkembangan teknologi dan popularitas internet, khususnya di platform YouTube, membawa dampak signifikan terhadap masyarakat Indonesia. Namun, pertumbuhan penggunaan internet yang pesat juga membawa dampak negatif, terutama dalam bentuk cyberbullying. Penelitian ini bertujuan untuk menerapkan metode Naive Bayes dalam deteksi cyberbullying pada komentar YouTube, dengan fokus pada akun Food Vlogger Mgdalenaf. Data dikumpulkan dari video "Klarifikasi (part 1)" diunggah pada 5 April 2023, melalui proses crawling komentar dari 05 April 2023 hingga 11 November 2023, menghasilkan 2.351 data komentar dari total 2.900 komentar. Penelitian ini membandingkan tiga skenario pelabelan: manual, otomatis menggunakan Vader Lexicon, dan penggabungan keduanya. Evaluasi dilakukan berdasarkan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa skenario pertama (Data Pelabelan Manual) memiliki akurasi sekitar 66%, terutama unggul dalam mengenali sentimen cyberbullying. Skenario kedua (Data Pelabelan Otomatis) memiliki akurasi tertinggi sebesar 86%, terutama dalam mengenali sentimen cyberbullying. Skenario ketiga (Data Pelabelan Penggabungan) memberikan keseimbangan yang baik antara kedua kategori sentimen dengan akurasi 80%. Kesimpulan penelitian ini adalah bahwa metode Naive Bayes efektif dalam mengidentifikasi cyberbullying pada komentar YouTube. Skenario pelabelan manual menunjukkan keunggulan dalam mengenali sentimen cyberbullying, sementara pelabelan otomatis dan penggabungan keduanya memberikan akurasi yang tinggi dan keseimbangan antara kedua kategori sentimen.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Subjects: | Ilmu Komputer eSkripsi |
| Divisions: | Skripsi/TA & PKPM/KP - Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Dila Mutiara Dila Mutiara |
| Date Deposited: | 18 Mar 2024 05:28 |
| Last Modified: | 18 Mar 2024 05:28 |
| URI: | http://repo.darmajaya.ac.id/id/eprint/15199 |
Actions (login required)
 |
View Item |