Deteksi Pelecehan Seksual dan Predator Obrolan Media Sosial Menggunakan Naive Bayes

Muhammad Akmal Fijar Riyadi, Erie Kresna Andana, Muhamad Amirul Haq

Abstract


Dalam beberapa tahun terakhir, kemajuan teknologi media telah memfasilitasi interaksi antara jutaan orang melalui platform-platform jejaring sosial dan game online. Namun, di balik kemudahan yang ditawarkan oleh internet, terdapat tantangan besar terkait keselamatan anak-anak yang menggunakan internet. Penelitian ini bertujuan untuk mengembangkan sistem cerdas yang dapat mengidentifikasi perilaku predator dan pelecehan seksual online. Dengan memanfaatkan analisis teks, kecerdasan buatan, dan Naive Bayes, penelitian ini memperkenalkan pendekatan orisinal dan berpotensi efektif untuk mendeteksi perilaku yang mencurigakan. Meskipun demikian, penelitian ini memiliki batasan tertentu, termasuk keterbatasan sumber daya dan teknologi saat ini dalam mengidentifikasi perilaku online yang mencurigakan. Diharapkan penelitian ini dapat memberikan kontribusi yang signifikan dalam meningkatkan keselamatan anak-anak dalam menggunakan internet.

Keywords


Pelecehan seksual online; Naive Bayes; Identifikasi perilaku predator; Perlindungan anak-anak; SNESTIK

Full Text:

PDF

References


I. A. Putri, M. A. Komalasari, and . S., “Pengaruh Intensitas Penggunaan Gadget Terhadap Kondisi Sosial Ekonomi Masyarakat Sukamulia Timur Saat Pandemi Covid-19,” Jurnal DinamikA, vol. 3, no. 1, 2022, doi: 10.18326/dinamika.v3i1.1-22.

D. Smahel et al., “EU Kids Online 2020: Survey results from 19 countries.,” EU Kids Online, no. February, 2020.

E. Quayle and N. Koukopoulos, “Deterrence of Online Child Sexual Abuse and Exploitation,” Policing (Oxford), vol. 13, no. 3. 2019. doi: 10.1093/police/pay028.

A. Irons and H. Lallie, “Digital Forensics to Intelligent Forensics,” Future Internet, vol. 6, no. 3, 2014, doi: 10.3390/fi6030584.

M. Koppel, J. Schler, and S. Argamon, “Authorship attribution in the wild,” Lang Resour Eval, vol. 45, no. 1, 2011, doi: 10.1007/s10579-009-9111-2.

C. Cardei and T. Rebedea, “Detecting sexual predators in chats using behavioral features and imbalanced learning,” Nat Lang Eng, vol. 23, no. 4, 2017, doi: 10.1017/S1351324916000395.

M. Saeidi, S. B. Samuel, E. Milios, N. Zeh, and L. Berton, “Categorizing Online Harassment on Twitter,” in Communications in Computer and Information Science, 2020. doi: 10.1007/978-3-030-43887-6_22.

A. Sarker, “A customizable pipeline for social media text normalization,” Soc Netw Anal Min, vol. 7, no. 1, 2017, doi: 10.1007/s13278-017-0464-z.

A. Jabbar, S. Iqbal, M. I. Tamimy, S. Hussain, and A. Akhunzada, “Empirical evaluation and study of text stemming algorithms,” Artif Intell Rev, vol. 53, no. 8, 2020, doi: 10.1007/s10462-020-09828-3.

B. Santoso, A. Azis, and Zohrahayaty, Machine Learning & Reasoning Fuzzy logic Algortima, Manual, Matlab & Rapid Miner, vol. 1, no. 1. 2020.




DOI: https://doi.org/10.31284/p.snestik.2024.5882

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Muhammad Akmal Fijar Riyadi, Erie Kresna Andana, Muhamad Amirul Haq

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.