Deteksi Cyberbullying pada Sosial Media TikTok berbasis Pemahaman Konteks IndoBERT

Abstract

Cyberbullying pada platform media sosial, khususnya TikTok, merupakan permasalahan serius yang mengancam kesehatan mental pengguna, terutama remaja. Indonesia mencatat lebih dari 4.000 kasus cyberbullying pada pertengahan 2023, dengan TikTok sebagai salah satu platform utama yang digunakan pelaku. Kondisi ini berkaitan langsung dengan Tujuan Pembangunan Berkelanjutan (SDGs), khususnya SDG 3 tentang Kesehatan dan Kesejahteraan yang Baik, karena cyberbullying berdampak serius pada kesehatan psikologis korban. Tingginya volume komentar berbahasa Indonesia yang bersifat informal, mengandung slang, dan code-switching menyebabkan sistem moderasi konvensional tidak mampu mendeteksi konten berbahaya secara optimal. Penelitian ini bertujuan membangun sistem deteksi cyberbullying pada komentar TikTok berbahasa Indonesia dengan memanfaatkan model IndoBERT yang mampu memahami konteks bahasa secara mendalam. Data yang digunakan berupa 500 komentar TikTok yang dilabeli secara manual ke dalam kelas cyberbullying dan non-cyberbullying. Tahapan penelitian meliputi pengumpulan dan pelabelan data, preprocessing teks, fine-tuning model IndoBERT, serta evaluasi menggunakan accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model IndoBERT menghasilkan accuracy 87,00%, precision 87,50%, recall 85,94%, dan F1-score 86,71%, mengungguli baseline SVM+TF-IDF yang hanya mencapai accuracy 78,00%. Temuan ini membuktikan efektivitas IndoBERT dalam mendeteksi cyberbullying pada teks informal berbahasa Indonesia dan berpotensi diterapkan sebagai sistem moderasi konten otomatis untuk mendukung tercapainya SDG 3.