Cyberbullying merupakan salah satu permasalahan sosial yang semakin
meningkat seiring dengan berkembangnya platform media sosial. Dampak dari cy-
berbullying, seperti hate comments, dapat memberikan efek negatif yang besar se-
cara psikologis dan emosional pada korban. Penelitian ini memiliki latar belakang
pentingnya pengembangan sistem deteksi hate comments yang akurat untuk memiti-
gasi dampak tersebut. Tujuan penelitian ini adalah untuk menganalisis performansi
model IndoBERT dan Cendol dalam mendeteksi komentar kebencian pada kasus
cyberbullying. Metode yang digunakan dalam penelitian ini adalah pengumpulan
dataset yang mengandung kata kunci yang mengarah ke hate comments dan bul-
lying, serta pengujian model IndoBERT dan Cendol. Evaluasi dilakukan menggu-
nakan matriks seperti akurasi, presisi, recall, dan F1-Score.
Hasil penelitian menunjukkan bahwa model IndoBERT dan Cendol memiliki
performansi yang kompetitif dalam mendeteksi hate comments. Model IndoBERT
menunjukkan keunggulan dalam menangani teks formal, sedangkan model Cendol
lebih efisien dalam memahami bahasa informal dan konteks lokal. Survei yang
dilakukan dengan 328 responden menghasilkan 64 kata kunci yang mengandung
kata cyberbullying. Model IndoBERT menunjukkan akurasi tertinggi dengan nilai
90,7% pada epoch ke-5, learning rate 10-5, dan batch size 8. Sementara itu, model
Cendol memperoleh akurasi 90,6% pada epoch ke-5, learning rate 10-4, dan batch
size 2. Media sosial yang digunakan dalam penelitian ini adalah X (sebelumnya
Twitter), yang menjadi salah satu platform yang banyak digunakan untuk berinter-
aksi dan berbagi opini.
Meskipun performansi kedua model sangat baik, terdapat kemungkinan model
mengalami overfitting. Hal ini menjadi perhatian penting untuk penelitian selan-
jutnya, karena overfitting dapat mengurangi kemampuan model untuk generalisasi
pada data yang belum terlihat. Penelitian ini memberikan kontribusi penting dalam
pengembangan sistem deteksi ujaran kebencian berbasis bahasa Indonesia, yang da-
pat diterapkan tidak hanya di X, tetapi juga di media sosial lain seperti Facebook,
Instagram, dan TikTok, untuk memitigasi dampak negatif dari hate comments di
berbagai platform.