Sistem Klasifikasi Deteksi Komentar TikTok Berbasis Web terhadap Pelanggaran UU ITE 2024 Menggunakan Support Vector Machine (Studi Kasus : Pelecehan Seksual)

Abstract

Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis web dalam mendeteksi komentar TikTok yang melanggar Undang-Undang Informasi dan Transaksi Elektronik (UU ITE), dengan fokus pada kasus pelecehan seksual. Tingginya jumlah komentar yang dihasilkan pengguna pada platform TikTok meningkatkan risiko penyebaran bahasa kasar dan konten pelecehan seksual, sehingga proses moderasi secara manual menjadi tidak efektif. Oleh karena itu, penelitian ini menerapkan pendekatan klasifikasi teks menggunakan algoritma Support Vector Machine (SVM) untuk mengidentifikasi dan mengklasifikasikan komentar ke dalam kategori pelecehan seksual dan non-pelecehan seksual secara otomatis. Metode penelitian meliputi pengumpulan data dari dataset publik dan komentar TikTok yang dilabeli secara manual, dilanjutkan dengan tahapan preprocessing teks yang mencakup case folding, data cleaning, tokenization, normalization, filtering, dan stemming. Ekstraksi fitur dilakukan menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF), sedangkan evaluasi model menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model terbaik mencapai akurasi sebesar 95%, yang menandakan performa klasifikasi yang andal. Model yang telah dilatih kemudian diintegrasikan ke dalam aplikasi web berbasis Flask yang mampu mengambil komentar TikTok, melakukan klasifikasi secara real-time, serta menyajikan hasil dalam bentuk persentase pelanggaran. Aplikasi ini diharapkan dapat mendukung moderasi konten digital dan berkontribusi dalam menciptakan lingkungan digital yang lebih aman, khususnya bagi anak dan remaja.