Sentimen Analisis Komentar Instagram Untuk Deteksi Cyberbullying Dengan Model Gradient Boosting

Abstract

Pertumbuhan media sosial yang seiring dengan peningkatan jumlah pengguna internet di Indonesia menunjukkan bahwa di era komunikasi terbuka yang semakin meluas, masyarakat dapat lebih mudah mengakses pembicaraan. Cyberbullying atau perundungan di media digital merupakan salah satu bentuk kekerasan yang dilakukan dengan menggunakan teknologi komunikasi dan informasi, dengan hasil penelitian menunjukkan Model Gradient Boosting menunjukkan kinerja terbaik pada 10-fold Cross Validation dengan kombinasi nilai evaluasi tertinggi (AUC = 0,903, CA = 0,818, F1 = 0,818, Precision = 0,822, Recall = 0,818, MCC = 0,641). Penambahan jumlah fold menjadi 20-fold sedikit menurunkan performa, menunjukkan bahwa 10-fold Cross Validation adalah pilihan yang optimal untuk menjaga keseimbangan antara kinerja dan efisiensi model. Hasil ini menunjukkan bahwa model Gradient Boosting sangat menjanjikan untuk tugas klasifikasi Bullying. Validasi silang 10 lipatan memberikan hasil terbaik secara konsisten di berbagai metrik. Model ini dapat diandalkan untuk mengidentifikasi kasus Bullying dengan akurasi yang baik.