OPTIMASI NAIVE BAYES MENGGUNAKAN ALGORITMA GENETIKA PADA KLASIFIKASI KOMENTAR CYBERBULLYING PADA MEDIA SOSIAL X

Abstract

Abstrak. Penetrasi pengguna internet di Indonesia meningkat signifikan dari tahun ke tahun. Asosiasi Penyelenggara Jasa Internet Indonesia (APJII) melaporkan bahwa penetrasi internet di Indonesia telah mencapai 79,5% pada tahun 2024, melibatkan lebih dari 221 juta jiwa dari total populasi sekitar 278,69 juta jiwa. Peningkatan ini sebesar 1,4% dibandingkan survei sebelumnya, menunjukkan tren kenaikan penggunaan internet di tengah masyarakat Indonesia. Namun, di balik peningkatan penetrasi pengguna internet yang cukup menggembirakan, terdapat fakta bahwa kasus cyberbullying juga meningkat cukup tinggi. Penelitian ini bertujuan untuk mengatasi masalah ini dengan memanfaatkan machine learning, khususnya algoritma Naive Bayes, untuk mengklasifikasikan tweet yang mengandung unsur cyberbullying secara otomatis di X. Algoritma genetika digunakan untuk mengoptimalkan pemilihan fitur, meningkatkan akurasi model. Metodologi penelitian mencakup pengumpulan data, preprocessing, transformasi teks menggunakan TF-IDF, klasifikasi dengan Naive Bayes, dan evaluasi dengan confusion matrix. Hasil penelitian menunjukkan bahwa model yang dioptimalkan mencapai akurasi 77,34%, presisi 73,79%, recall 98,17%, dan skor F1 84,25%, menunjukkan efektivitas model dalam mendeteksi dan mengklasifikasikan komentar cyberbullying. Penelitian ini menyimpulkan bahwa penggunaan Algoritma Genetika untuk mengoptimalkan model Naive Bayes merupakan pendekatan yang efektif dalam mendeteksi cyberbullying di media sosial sepeti X.