ABSTRAK

GRACIA ISABEL DE YESUS, Penerapan Elbow Method Untuk Penentuan Jumlah Cluster Optimal K-Means Dalam Pengelompokan Cyberbullying Pada Media Sosial Instagram (dibimbing oleh Ratnawati dan Pasnur)

Permasalahan dalam penelitian ini adalah penentuan jumlah cluster pada algoritma K-Means yang kurang optimal dalam pengelompokan cyberbullying di Instagram, sehingga dapat menurunkan kualitas hasil pengelompokkan. Untuk mengatasi permasalahan tersebut, penelitian ini menawarkan solusi dengan menerapkan Elbow Method untuk menentukan jumlah cluster optimal sebelum proses clustering dilakukan, sehingga pengelompokan komentar cyberbullying dapat dilakukan secara lebih terarah dan sistematis. Penelitian ini bertujuan untuk menentukan jumlah cluster optimal menggunakan Elbow Method pada algoritma K-Means untuk pengelompokan komentar cyberbullying di media sosial Instagram. Data penelitian diperoleh melalui studi pustaka dan dataset publik Kaggle dan GitHub berupa komentar cyberbullying di Instagram. Metode analisis data yang digunakan dalam penelitian ini adalah metode clustering dengan algoritma K-Means yang didukung oleh Elbow Method. Hasil penelitian menunjukkan bahwa jumlah cluster optimal yang diperoleh menggunakan Elbow Method adalah K = 5. Algoritma K-Means mampu mengelompokkan 1.050 komentar Instagram dengan rata-rata waktu eksekusi 0,0571 detik, dari 10 percobaan (0,0596; 0,0557; 0,0562; 0,0558; 0,0582; 0,0580; 0,0567; 0,0568; 0,0564; 0,0570 detik) yang menunjukkan bahwa metode yang digunakan efisien dalam pengelompokan komentar cyberbullying di Instagram.

Kata kunci: K-Means, Elbow Method, Cyberbullying, Instagram, Clustering, Text Mining