Teknologi Informasi Efektif Mendeteksi Cyberbullying
Abstract views: 265
,
PDF downloads: 398
Abstract
Pengguna media sosial berisiko mengalami gangguan kesehatan mental. Masalah kesehatan mental dapat terjadi dengan cyberbullying. Cyberbullying yang terjadi di media sosial berupa komentar kasar, ancaman, hinaan, fitnah bahkan pelecehan yang diberikan oleh netizen. Cyberbullying dapat menggoyahkan kondisi kesehatan mental seseorang bahkan berdampak pada bunuh diri. Cyberbullying akan sangat merugikan baik secara mental maupun produktif. Cyberbullying harus dideteksi sejak dini untuk mencegah dampak buruk bagi pengguna media sosial. Dengan kemajuan teknologi, dapat digunakan untuk mendeteksi cyberbullying yang terjadi di media sosial. Artikel ini menggunakan pendekatan metode literature review yaitu narrative literature review 10 artikel pemanfaatan teknologi pendeteksi cyberbullying periode 2011 – 2021 dengan tujuan untuk mengetahui komentar cyberbullying pada akun/postingan seseorang. Oleh karena itu, deteksi cyberbullying mencoba mengumpulkan dataset global di media sosial (Facebook, Instagram, Twitter, dll), dengan mengklasifikasikan metode Machine Learning. Setiap metode algoritma dievaluasi menggunakan akurasi, presisi, recall, dan skor F1 untuk menentukan kinerja tingkat klasifikasi
Keywords:Cyberbullying, Media Sosial, Gangguan Kesehatan Mental
Social media users are at risk for mental health disorders. Mental health problems can occur with cyberbullying. Cyberbullying that occurs on social media is in the form of rude comments, threats, insults, slander and even harassment given by netizens. Cyberbullying can destabilize a person's mental health condition and even lead to suicide. Cyberbullying will be very detrimental both mentally and productively. Cyberbullying must be detected early to prevent adverse effects on social media users. With advances in technology, it can be used to detect cyberbullying that occurs on social media. This article uses a literature review method approach, namely a narrative literature review of 10 articles on the use of cyberbullying detection technology for the period 2011 – 2021 with the aim of finding out cyberbullying comments on someone's account/post. Therefore, cyberbullying detection tries to collect global datasets on social media (Facebook, Instagram, Twitter, etc.), by classifying Machine Learning methods. Each algorithm method is evaluated using accuracy, precision, recall, and F1 scores to determine the classification level performance
Keywords: Cyberbullying, Social Media, Mental Health Disorders
References
M. R. Ramadhani and & A. R. Pratama, “Analisis Kesadaran Cyber Security Pada Pengguna Media Sosial Di Indonesia,” J. Aotomata, vol. 3, no. 2, pp. 1–8, 2020, [Online]. Available: https://journal.uii.ac.id/AUTOMATA/article/view/15426.
P. APJII, “Asosiasi Penyelenggara Jasa Internet Indonesia,” Jakarta: APJII, 2014.
R. Aprilia, A. Sriati, and S. Hendrawati, “Tingkat Kecanduan Media Sosial pada Remaja,” J. Nurs. Care, vol. 3, no. 1, pp. 41–53, 2020, [Online]. Available: https://jurnal.unpad.ac.id/jnc/article/view/26928.
F. S. Rahayu, “CYBERBULLYING SEBAGAI DAMPAK NEGATIF PENGGUNAAN TEKNOLOGI INFORMASI,” no. 43, pp. 22–31, 2012.
M. Rifauddin, “Fenomena Cyberbullying pada Remaja,” Khizanah al-Hikmah J. Ilmu Perpustakaan, Informasi, dan Kearsipan, vol. 4, no. 1, pp. 35–44, 2016, doi: 10.24252/kah.v4i1a3.
R. Syah and I. Hermawati, “The Prevention Efforts on Cyberbullying Case for Indonesian Adolescent Social Media Users,” J. Penelit. Kesejaht. Sos., vol. 17, no. 2, pp. 131–146, 2018.
Patchin & Hinduja., “Bullies move beyond the schoolyard: a preliminary look at cyberbullying,” Youth Violence Juv. Justice, pp. 148–169, 2006, doi: 10.1177/1541204006286288.
M. M. Pandie and I. T. J. Weismann, “Pengaruh Cyberbullying Di Media Sosial Terhadap Perilaku Reaktif Sebagai Pelaku Maupun Sebagai Korban Cyberbullying Pada Siswa Kristen SMP Nasional Makassar,” J. Jaffray, vol. 14, no. 1, pp. 43–62, 2016, doi: 10.25278/jj.v14i1.188.43-62.
N. Willard, “Educator’s Guide to Cyberbullying and Cyberthreats,” Cent. Safe Responsible, 2011.
N. Maya, “Fenomena Cyberbullying Di Kalangan Pelajar,” JISIP J. Ilmu Sos. dan Ilmu Polit., vol. 4, no. 3, p. undefined-450, 2015, [Online]. Available: www.publikasi.unitri.ac.id.
T. E. B. Okik Adishya Banu Wiryada, Nuke Martiarini, “Gambaran Cyberbullying Pada Remaja Pengguna Jejaring Sosial di SMA Negeri 1 dan SMA Negeri 2 Ungaran,” Intuisi J. Psikol. Ilm., vol. 9, no. 1, pp. 26–38, 2017.
N. Syadza, “Ditinjau Dari Konformitas Dan Kematangan Emosi,” vol. 12, no. 1, pp. 17–26, 2017.
B. James and D. Yuono, “Pusat Pencegahan Cyberbullying: Pencegahan Cyberbullying Melalui Karya Arsitektur,” J. Sains, Teknol. Urban, Perancangan, Arsit., vol. 1, no. 2, p. 1359, 2020, doi: 10.24912/stupa.v1i2.4450.
R. M. Candra and A. Nanda Rozana, “Klasifikasi Komentar Bullying pada Instagram Menggunakan Metode K-Nearest Neighbor,” IT J. Res. Dev., vol. 5, no. 1, pp. 45–52, 2020, doi: 10.25299/itjrd.2020.vol5(1).4962.
A. Muneer and S. M. Fati, “A comparative analysis of machine learning techniques for cyberbullying detection on twitter,” Futur. Internet, vol. 12, no. 11, pp. 1–21, 2020, doi: 10.3390/fi12110187.
N. F. Hasan, “Deteksi Cyberbullying pada Facebook Menggunakan Algoritma K-Nearest Neighbor,” J. Smart Syst., vol. 1, no. 1, pp. 35–44, 2021, doi: 10.36728/jss.v1i1.1605.
N. Novalita, A. Herdiani, I. Lukmana, and D. Puspandari, “Cyberbullying identification on twitter using random forest classifier,” J. Phys. Conf. Ser., vol. 1192, no. 1, 2019, doi: 10.1088/1742-6596/1192/1/012029.
A. S. Hutagalung, A. B. P. Negara, and E. E. Pratama, “Aplikasi Pendeteksi Cyberbullying Terhadap Komentar Postingan Media Sosial Instagram dengan Metode Naïve Bayes Classifier Berbasis Website,” JUSTIN (Jurnal Sist. dan Teknol. Informasi), vol. 9, no. 3, pp. 364–371, 2021, doi: 10.26418/justin.v9i3.44843.
N. Novalita, A. Herdiani, and I. Lukmana, “Identifikasi Cyberbullying Pada Media Sosial Twitter Menggunakan Metode Klasifikasi Random Forest,” 2019.
A. M. G. Qilla Aulia Suri, “Perancangan Sistem Perangkat Lunak Anti Cyberbullying Berbasis Agen Sebagai Solusi Pencegahan Dan Penanganan Dampak Negatif Penggunaan Teknologi Internet,” Pros. SNATIF ke-6 Tahun 2019, no. 2007, pp. 96–101, 2019.
B. A. Talpur and D. O’Sullivan, “Cyberbullying severity detection: A machine learning approach,” PLoS One, vol. 15, no. 10 October, pp. 1–19, 2020, doi: 10.1371/journal.pone.0240924.
S. Sahrul, A. F. Rahman, M. D. Normansyah, and A. Irawan, “Sistem Pendeteksi Kalimat Umpatan Di Media Sosial Dengan Model Neural Network,” Comput. J. Comput. Sci. Inf. Syst., vol. 3, no. 2, pp. 108–115, 2019.
A. Perwira, J. Dwitama, and K. Kunci, “Deteksi Ujaran Kebencian Pada Twitter Bahasa Indonesia Menggunakan Machine Learning : Reviu Literatur,” vol. 1, pp. 31–39, 2021.
R. Cohen et al., “Using computer technology to address the problem of cyberbullying,” Acm Sigcas Comput. Soc., vol. 44, no. 2, pp. 52–61, 2014.
