Kajian tentang kejahatan di era komunikasi dan transaksi elektronik

3. Popularitas sosial media telah menciptakan komunikasi
secara online antara pengguna sosial media. Selain
memudahkan pengguna dalam berkomunikasi ternyata juga
memiliki dampak negatif dalam penggunaanya. Misalnya
cyberbullying, yang menjadi masalah utama penggunaan
sosial media. cyberbullying yang sering terjadi membawa
dampak yang cukup besar bagi para pengguna media sosial.
3

4. Situs media sosial menjadi sangat populer, Jutaan pengguna
telah menggunakan situs ini sebagai alat komunikasi baru.
Penjahat cyber telah memanfaatkan media sosial sebagai
platform baru dalam melakukan berbagai jenis kejahatan
dunia maya, seperti phishing, spamming penyebaran
malware dan cyberbullying.
Cyberbullying adalah bullying secara tidak langsung atau
melalui media yang akan berdampak negatif pada korban.
4

5. Sebagian besar penelitian menunjukan bahwa hanya
beberapa pengguna yang memberikan informasi lengkap
tentang diri mereka sendiri dalam profil online mereka.
Hal ini bisa memudahkan mengumpulkan petunjuk deteksi
cyberbullyung.
Studi deteksi cyberbullying berbasis tweeter akan
mengumpulkan data menggunakan kata kunci tertentu.
5

6. Data dikumpulkan dari Twitter antara Januari 2015
sampai Februari 2015. Tweets ini diambil menggunakan
layanan API sampel Twitter untuk mengekstrak tweet.
Setiap tweet yang diekstrak dari API Twitter berisi
informasi ekstensif seperti ID pengguna, nama pengguna,
biografi pengguna, URL pengguna, data pembuatan akun
pengguna, teks tweet.
Dalam penelitian ini, hanya diekstrak konten yang
tersedia untuk umum dari API Twitter dan menghindari
pelanggaran privasi.
6

7. Ada empat kategori fitur, yaitu jaringan, aktivitas,
pengguna, dan konten, untuk mendeteksi perilaku
penjahat cyber.
Fitur ini terutama berasal dari konten tweet dan tweet
informasi, seperti jaringan dan aktivitas.
Semua fitur ini menggunakan teknik analisis fitur untuk
menentukan kombinasi fitur terbaik.
7

8. Fitur yang diambil dari tweets digunakan untuk membangun
model yang mendeteksi perilaku cyberbullying. Diuji denan
beberapa teknik pembelajaran mesin untuk memilih
klasifikasi terbaik.
8

9. Perilaku penindakan maya didefinisikan sebagai perilaku
agresif yang dipamerkan melalui media sosial dan
dimaksudkan untuk menimbulkan bahaya atau
ketidaknyamanan pada korban.
Cyberbullying dapat mengambil banyak bentuk, termasuk
posting yang bermusuhan, komentar, menakut-nakuti atau
melecehkan korban, menghasilkan kebencian atau menghina
korban.
9

10. Analisis fitur dilakukan untuk menentukan fitur yang paling
signifikan. Cara ini dapat mengurangi waktu klasifikasi dan
menghilangkan fitur berlebihan yang tidak memberikan pola
diskriminatif yang menguntungkan.
10

11. Analisis fitur dilakukan untuk menentukan fitur yang paling
signifikan. Cara ini dapat mengurangi waktu klasifikasi dan
menghilangkan fitur berlebihan yang tidak memberikan pola
diskriminatif yang menguntungkan.
11

12. Kumpulan data menunjukkan distribusi kelas yang tidak
seimbang, yaitu hanya 599 tweet yang diklasifikasikan
sebagai cyberbullying, sedangkan 10.007 tweet
diklasifikasikan sebagai non-cyberbullying.
Beberapa pendekatan untuk mengatasi masalah ini telah
diajukan, seperti kombinasi dari pengambilan sampel kelas
minoritas.
12

13. Kumpulan data ini berisi distribusi kelas yang tidak
seimbang, karena itu, pemilihan evaluasi metrik sangat
penting.
Secara keseluruhan, pembelajaran mesin yang bekerja di
lingkungan komunikasi online harus seimbang antara
menyediakan model pendeteksi yang efektif untuk
mendeteksi konten cyberbullying atau perilaku negatif yang
tidak membahayakan hak konten atau pengguna lain.
13

14. Cyberbullying telah menjadi masalah utama seiring dengan
perkembangan komunikasi online dan media sosial.
Cyberbullying mengacu pada penggunaan teknologi
informasi dan komunikasi untuk melecehkan orang lain.
Fenomena ini telah diakui secara luas sebagai masalah yang
serius dimana korban menunjukkan risiko bunuh diri secara
signifikan.
14

15. Peneliti mengembangkan model untuk mendeteksi
cyberbullying di Twitter. Model yang dikembangkan adalah
model berbasis fitur yang menggunakan fitur dari tweet untuk
mengklasifikasikan tweets sebagai cyberbullying atau non-
cyberbullying.
15