View/Open

Author
Nikola, Arinanda

Date Published
24 Sep 2026

Advisor
Martin Clinton Tosima Manullang, S.T., M.T., Ph.D.,
Leslie Anggraini, S.Kom., M.Cs.,

Subject
Teknik Informatika

Publisher

Perkembangan media sosial, khususnya TikTok, meningkatkan intensitas interaksi pengguna sekaligus memunculkan risiko cyberbullying melalui komentar yang bersifat singkat, informal, dan kontekstual. Penelitian ini bertujuan mengembangkan model klasifikasi untuk mendeteksi komentar cyberbullying dan non-cyberbullying pada platform TikTok menggunakan arsitektur TextCNN serta mengevaluasi pengaruh konfigurasi hyperparameter terhadap kinerja model. Dataset yang digunakan terdiri dari 1.505 komentar berbahasa Indonesia, dengan 675 komentar cyberbullying dan 830 komentar non-cyberbullying. Tahapan penelitian meliputi prapemrosesan berupa case folding, text cleaning, augmentasi menggunakan AEDA, random swap dan random delete, tokenisasi menggunakan IndoBERT tokenizer, serta stopword removal. Model yang dikembangkan terdiri atas TextCNN Ringan, Sedang, Berat, dan SEDepthwise TextCNN, kemudian dievaluasi menggunakan 5-fold Stratified Cross Validation berdasarkan accuracy, precision, recall, dan F1-score. Hasil pengujian dengan hyperparameter default menunjukkan bahwa TextCNN Ringan memperoleh hasil terbaik pada semua metrik evaluasi dibandingkan dengan model lain dengan nilai accuracy 0,883, precision 0,881, recall 0,904, dan F1-score 0,892. Studi ablasi pada TextCNN Ringan menunjukkan bahwa beberapa perubahan parameter secara individual dapat meningkatkan kinerja, tetapi penggabungan parameter hasil ablasi justru menghasilkan penurunan performa secara keseluruhan dengan accuracy menurun dari 0,037 menjadi 0,846, precision menurun dari 0,024 menjadi 0,857, recall menurun dari 0,049 menjadi 0,855, dan F1-score menurun dari 0,037 menjadi 0,855. Hasil tersebut menunjukkan bahwa interaksi antar hyperparameter berpengaruh terhadap kinerja model dan konfigurasi default menghasilkan performa yang lebih tinggi dibandingkan konfigurasi hasil studi ablasi.

URI
https://repository.itera.ac.id/depan/submission/SB2609210106

Keyword
Cyberbullying Deep Learning TikTok TextCNN Klasifikasi Teks