Era digital membawa kemudahan
dalam berkomunikasi sekaligus tantangan baru berupa penyebaran ujaran kebencian
dan perundungan secara daring. Salah satu bentuk ancaman tersebut adalah cyberbullying yang umum dijumpai dalam
komentar di media sosial.
Penelitian ini bertujuan untuk membangun sistem
klasifikasi komentar yang
dapat mendeteksi cyberbullying secara
otomatis menggunakan pendekatan pemrosesan bahasa alami. Fitur teks diekstraksi menggunakan representasi vektor dari model IndoBERT, yang kemudian
digunakan sebagai masukan untuk dua algoritma klasifikasi, yaitu Support Vector
Machine (SVM) dan Gaussian Naive Bayes (GNB). Selain itu, penelitian ini juga
mengeksplorasi penggunaan IndoBERT sebagai model klasifikasi langsung melalui
pendekatan partial fine-tuning dan full fine-tuning. Dataset yang digunakan
terdiri dari 650 komentar berbahasa Indonesia yang telah dilabeli secara
seimbang antara kategori bullying dan non-bullying. Hasil evaluasi menunjukkan
bahwa model IndoBERT Full Fine-Tuned menghasilkan performa terbaik, dengan
akurasi sebesar 94,62?n F1-score sebesar 95,77%. Model SVM dan GNB
masing-masing memperoleh akurasi sebesar 83,08?n 77,7%. Berdasarkan hasil
tersebut, pemanfaatan IndoBERT
sebagai model klasifikasi yang di- fine-tune
secara penuh terbukti lebih efektif dalam mendeteksi komentar cyberbullying
dibandingkan pendekatan berbasis algoritma klasik.