Deteksi Cyberbullying pada Facebook Menggunakan Algoritma K-Nearest Neighbor

Kasus penghinaan di Indonesia yang dilakukan di media sosial seperti Facebook sudah disinggung pada Undang-Undang Nomor 11 Tahun 2008 tentang Informasi dan Transaksi Elektronik UU ITE pasal 27 ayat 3. Maraknya penggunaan facebook yang meningkat secara cepat mengindikasi berbuat kejahatan. Jumlah like dan komentar bisa diketahui otomatis, namun seberapa besar sentimen positif dan negatif pengguna masih perlu dievaluasi. Evaluasi deteksi sentimen menjadi penting karena bertujuan untuk membantu kebijakan pihak facebook menindak lanjuti pelaku cyberbullying. Metode yang diusulkan dengan pendekatan K-NN yang menjadi bagian algoritma machine learning untuk menemukan kelas atau nilai K agar memperoleh nilai yang baik. Hasil akurasi menggunakan K-NN untuk deteksi cyberbullying pada facebook dalam mengenali sentiment positif cyberbullying perolehan akurasi tertinggi saat menggunakan 1-NN. Akurasi tertinggi pada lowercase dan uppercase influence perolehan sama 71,43%. Diikuti influence punctuation 71,40% dan akurasi pengaruh normalisasi kata dasar 70,80%. Namun waktu komputasi tercepat pengujian saat influence punctuation yaitu 0,00 pengujian lain menghasilkan 0,01.