ANALISIS SENTIMEN DI MEDIA SOSIAL SEBAGAI INDIKATOR POTENSI CYBERCRIME

Abstract

Media sosial merupakan platform digital yang memungkinkan interaksi dan pertukaran informasi secara luas, namun juga menjadi sarana potensial terjadinya kejahatan siber (cybercrime). Penelitian ini bertujuan untuk menganalisis sentimen pengguna media sosial sebagai indikator potensi terjadinya cybercrime. Metode yang digunakan adalah analisis sentimen dengan algoritma Support Vector Machine (SVM) pada data komentar dari platform media sosial populer di Indonesia, seperti Instagram, Twitter, dan Facebook. Data dikumpulkan melalui teknik scraping dan survei daring, kemudian diproses melalui tahapan preprocessing dan ekstraksi fitur TF-IDF. Hasil penelitian menunjukkan adanya korelasi yang signifikan antara sentimen negatif yang dominan dengan peningkatan potensi aktivitas cybercrime seperti cyberbullying, penyebaran ujaran kebencian, dan ancaman keamanan data pribadi. Dari total 10.000 komentar yang dianalisis, 60,50% menunjukkan sentimen negatif. Model klasifikasi SVM mencapai akurasi 84,25%, dengan nilai precision 80,22% dan recall 92,50% untuk deteksi sentimen negatif, serta nilai AUC 0,928. Performa tinggi ini membuktikan efektivitas SVM dalam mengidentifikasi sinyal dini ancaman siber. Temuan ini memberikan kontribusi penting dalam pengembangan sistem deteksi dini kejahatan siber melalui pemantauan sentimen di media sosial, serta menekankan urgensi literasi digital.