Klasifikasi cyberbullying berbasis text mining menggunakan Bayes Optimal Classifier

Pengaruh perkembangan teknologi yang semakin mudah digunakan, membuat banyak efek negatif yang bermunculan. Salah satunya adalah tindakan cyberbullying yang dilakukan diberbagai media online, seperti media sosial dan online game. Tidak jarang pemain online game melakukan tindakan tersebut, sehinggga dapat meresahkan individu maupun negara. Untuk menindak lanjuti permasalahan tersebut diterapkan sebuah sistem klasifikasi teks untuk mengetahui teks cyberbullying. Sehingga pada penelitian ini dilakukan beberapa proses seperti pengambilan data, pengolahan data dan analisis perhitungan performa dari metode klasifikasi Bayes Optimal Classifier (BOC) dan metode Bernoulli Naïve Bayes (BNB). Hasil penelitian dengan menggunakan tiga macam skenario proporsi data yakni pada sekenario pertama data sebesar 40% data latih dan 60% data uji, sekenario kedua sebesar 50% data latih dan 50% data uji, dan sekenario ketiga sebesar 60% data latih dan 40% data uji, didapatkan hasil akurasi metode BOC terbesar adalah 81,11% pada skenario ketiga dengan proporsi data sebesar 60% data latih dan 40% data uji. Sedangkan hasil pada skenario yang sama, nilai akurasi dari metode BNB sebesar 73,33%. Dari hasil analisis yang diperoleh, diketahui bahwa metode BOC mendapat nilai akurasi lebih tinggi daripada metode BNB