%0 Thesis
%9 S1
%A Khana Yusdiana, -
%A Rizky Rachman, -
%A Eddy Prasetyo Nugroho, -
%B KODEPRODI55201#Ilmu Komputer_S1
%D 2025
%F repoupi:138128
%I Universitas Pendidikan Indonesia
%K Cyberbullying, Predictive Classification Model, Complement Naive Bayes, Random   Forest, Line, Telegram, Digital Forensik, National Institute of Justice
%T PREDICTIVE CLASSIFICATION MODEL DALAM TAHAPAN FRAMEWORK NIJ UNTUK OTOMATISASI INVESTIGASI DIGITAL FORENSIK STUDI KASUS: CYBERBULLYING
%U http://repository.upi.edu/138128/
%X Penggunaan aplikasi pesan instan seperti Line dan Telegram semakin populer dan memiliki peran penting dalam digital forensik sebagai bukti digital dalam investigasi kejahatan siber. Salah satu bentuk kejahatan siber yang marak terjadi adalah cyberbullying, yang sering dilakukan melalui pesan pribadi atau grup tertutup di aplikasi tersebut. Pengumpulan bukti dari aplikasi ini menghadapi tantangan besar, seperti volume data yang besar, enkripsi end-to-end, serta variasi bahasa informal. Untuk mengatasi hal tersebut, penelitian ini menggunakan Predictive Classification Model (PCM) untuk melakukan klasifikasi otomatis terhadap data percakapan, log aktivitas, dan metadata. Dua algoritma machine learning digunakan dalam PCM, yaitu Complement Naive Bayes dan Random Forest, untuk dibandingkan performanya dalam mengklasifikasikan konten yang mengandung unsur cyberbullying. Data uji diambil dari dataset komentar Instagram bertema cyberbullying yang relevan dan digunakan untuk mengevaluasi akurasi kedua model. Sementara proses akuisisi dan ekstraksi data dari aplikasi Line dan Telegram dilakukan dengan pendekatan forensik digital berbasis standar National Institute of Justice (NIJ). Hasil penelitian menunjukkan bahwa Predictive Classification Model (PCM)  berbasis Complement Naive Bayes memiliki akurasi klasifikasi lebih tinggi dibanding Random Forest, serta lebih seimbang dalam menangani data bullying dan non-bullying. Penelitian ini memberikan kontribusi terhadap otomatisasi investigasi forensik digital, khususnya dalam mendeteksi interaksi bermuatan perundungan secara cepat dan efisien.
%Z https://scholar.google.com/citations?view_op=list_works&hl=en&hl=en&user=zcFF2DQAAAAJ    ID SINTA Dosen Pembimbing:  Rizky Rachman: 0025117705  Eddy Prasetyo Nugroho: 0015057508