Perbandingan Kinerja Algoritma Multinomial dan Bernoulli Naïve Bayes dalam Mengklasifikasikan Komentar Cyberbullying

Abstract

Pada era sekarang, ditengah pesatnya perkembangan teknologi, ada banyak orang yang menyalahgunakan teknologi untuk melakukan tindakkan kurang menyenangkan terhadap orang lain, salah satunya bullying yang dilakukan menggunakan media sosial yang disebut sebagai cyberbullying. Maka peneliti melakukan pengklasifikasian data komentar pada media sosial apakah termasuk bullying atau tidak. Tujuan dari penelitian ini untuk melakukan pengklasifikasian data komentar pada sosial media termasuk cyberbullying atau tidak dengan membandingkan terlebih dahulu kinerja antara algoritma Naive Bayes Multinomial dan Bernoulli dalam mengklasifikasikan data komentar tersebut. Peneliti membandingkan algoritma Naive Bayes Classifier model Multinomial dan Bernoulli untuk mendapatkan model terbaik. Peneliti juga membandingkan penggunaan metode feature extraction Bag of Words dan TF-IDF untuk meningkatkan akurasi dari algoritma yang digunakan. Hasil dari penelitian yang dilakukan adalah algoritma Naive Bayes model Multinomial memperoleh akurasi lebih tinggi dan memperoleh rata - rata waktu pemrosesan yang lebih cepat dibandingkan model Bernoulli. Penggunaan metode feture extraction Bag of Words juga dapat meningkatkan akurasi lebih signifikasi dibanding TF-IDF.