Perpustakaan Digital ITB

Tahapan penelitian ini berfokus pada klasifikasi dokumen cyberbullying dengan mengembangkan metode Ensemble Learning untuk mengatasi tantangan utama seperti variasi bahasa, gaya komunikasi yang tidak terstruktur, serta ketidakseimbangan dataset. Penelitian ini bertujuan menghasilkan klasifikasi yang akurat dengan teknik Ensemble Learning dengan Incremental Threshold untuk mengoptimalkan pemilihan classifier, serta mencapai akurasi yang optimal pada dataset yang tidak seimbang. Pengembangan model merupakan inovasi dari metode bagging dengan seleksi classifier berdasarkan ambang batas akurasi yang optimum. Model ini diuji pada dataset cyberbullying dengan variasi dalam kata, struktur kalimat, dan penggunaan bahasa, serta menggunakan teknik oversampling, smoothing, dan ekstraksi fitur Large Scale n-Gram. Hasil penelitian menunjukkan bahwa penggunaan Ensemble Learning dengan Incremental Threshold meningkatkan akurasi klasifikasi dibandingkan model tunggal, dengan pemilihan classifier yang tepat menghasilkan prediksi lebih akurat pada berbagai skenario data. Metode ini terbukti efektif dalam menangani distribusi data yang tidak merata dan meningkatkan performa klasifikasi pada kelas minoritas. Penelitian ini memberikan kontribusi signifikan dalam pengembangan metode klasifikasi cyberbullying yang lebih efektif dan responsif terhadap variasi teks dan data yang tidak seimbang, terutama pada sintaksis Bahasa Indonesia