DETEKSI CYBERBULLYING PADA DATA TWEET MENGGUNAKAN METODE RANDOM FOREST DAN SELEKSI FITUR INFORMATION GAIN

Indonesia merupakan salah satu negara dengan pengguna media sosialrnterbanyak. Hal tersebut dapat memicu munculnya cyberbullying. Cyberbullying adalahrntindakan berulang yang melecehkan, mempermalukan, mengancam, atau mengganggurnorang lain melalui komputer, ponsel, dan perangkat elektronik lainnya, termasuk situsrnweb jejaring sosial online. Twitter merupakan salah satu media sosial yang seringrndigunakan untuk melakukan cyberbullying. Penelitian ini mendeteksi cyberbullyingrnyang berasal dari tweet berbahasa Indonesia dengan menggunakan metode RandomrnForest sebagai pengklasifikasi. Seleksi fitur Information Gain juga digunakan untukrnmenyeleksi fitur yang berupa atribut. Random Forest adalah salah satu teknik ensemblernlearning yang cara kerjanya berdasarkan metode Decision Tree, yang menggunakanrnaturan untuk membagi data dalam mode biner. Information Gain adalah salah saturnmetode seleksi fitur berbasis filter yang cara kerjanya melakukan perangkinganrnberdasarkan atribut. Deteksi cyberbullying pada penilitan ini tersusun atas tahapan:rnpreprocessing, pembobotan kata, seleksi fitur dan yang terakhir klasifikasi. Datasetrnyang digunakan pada tahapan klasifikasi merupakan dataset yang berupa matrixrndimana kata hasil pembobotan kata sebagai kolom dan telah diurutkan berdasarkanrnhasil perhitungan nilai entropi. Pengurutan dimulai dari nilai entropi yang tertinggirnhingga ke rendah. Kemudian K – Fold Cross Validation yang menggunakan foldrnsebanyak 10 digunakan sebagai metode evaluasi. Accuracy tiap fold dihitung lalu diratarn– rata. Setelah perhitungan K – Fold Cross Validation pertama atribut dikurangi saturnlalu dilakukan lagi perhitungan K – Fold Cross Validation kedua. Hal tersebutrndilakukan hingga jumlah atribut tersisa satu. Hasil akhir untuk skenario pengujianrnditentukan dengan memilih rata – rata Accuracy tertinggi dari perhitunganrnpengurangan atribut. Dari hasil pengujian, didapatkan nilai Accuracy tertinggi sebesarrn72.1% dengan atribut berjumlah 1295 dari 2277 atribut. Hal ini berarti, pemilihan fiturrnyang baik dapat meningkatkan performa dari metode machine learning.