Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : ILKOMNIKA: Journal of Computer Science and Applied Informatics

Sistem Klasifikasi Otomatis Dengan Konsep Machine Learning As A Service (MLaaS) Pada Kasus Pesan Berindikasi Cyberbullying Muhammad Raihan Satrio Putra Pamungkas; Mochamad Nurul Huda; Daffa Almer Fauzan; Ardi Hilal Itsna; Fajar Muhammad Al-Hijri
ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 4 No 3 (2022): Volume 4, Nomor 3, Desember 2022
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v4i3.522

Abstract

Informasi berupa pesan ataupun komentar yang tersebar di media sosial tentunya perlu disesuaikan dan diberi batasan sehingga dapat terhindar dari adanya informasi yang bersifat menyerang individu ataupun mengganggu kenyamanan pengguna lainnya. Tindakan tersebut biasa disebut dengan istilah cyberbullying. Beberapa peneliti telah memberikan tanggapan solusi dengan mengembangkan model klasifikasi pesan. Namun dalam kasus nyata, diperlukannya integrasi dengan aplikasi lainnya supaya dampak dan keberhasilannya dapat dirasakan. Untuk memberikan kemudahan bagi pengguna ataupun pengembang, mutakhir ini muncul konsep Machine Learning as a Service (MLaaS) sehingga model klasifikasi dapat digunakan dan diintegrasikan tanpa perlu memikirkan tahapan pengembangan model, implementasi hingga infrastrukturnya. Penelitian ini dilakukan dengan pendekatan Design Science Research (DSR). Penelitian ini bertujuan untuk memberikan solusi sebagai kontribusi baru berupa rancangan sistem klasifikasi otomatis dalam kasus pesan yang terindikasi cyberbullying menggunakan konsep MLaaS. Dataset yang digunakan merupakan kombinasi dari dua dataset komentar bahasa Indonesia yang berasal dari dua penelitian sebelumnya. Adapun model klasifikasi yang berhasil dikembangkan menggunakan algoritma Support Vector Machine (SVM) dengan akurasi terbaiknya yaitu 86,9%. Pengembangan sistem MLaaS menggunakan bahasa Python dengan framework FastAPI serta PostgreSQL sebagai basis data nya. Pengujian dilakukan melalui integrasi terhadap prototipe aplikasi website pesan singkat bernama Vrede. Hasil pengujian dalam penelitian ini menunjukan 80% keberhasilan untuk pesan bersifat menyerang dan 100% keberhasilan untuk pesan bersifat normal. Selain itu juga penelitian ini menunjukan bahwa rancangan sistem ini dapat diintegrasikan ke dalam aplikasi lainnya.