Kemajuan teknologi digital telah mendorong media sosial berkembang menjadi ruang publik untuk interaksi bebas antar pengguna. Di balik kemudahan tersebut, muncul tantangan serius berupa cyberbullying, yakni perundungan daring yang berdampak buruk terhadap individu maupun reputasi merek. Fenomena ini marak terjadi di Instagram karena anonimitas pengguna dan cepatnya penyebaran informasi. Studi ini mengangkat dua kasus signifikan: Ms Glow dan Dr. Richard Lee, yang menerima komentar negatif serta ujaran kebencian secara masif, sehingga berpotensi menurunkan kepercayaan publik terhadap merek yang mereka wakili.
Penelitian ini bertujuan untuk mendeteksi komentar cyberbullying di Instagram serta mengidentifikasi topik-topik dominan dalam percakapan publik. Untuk mencapai tujuan tersebut, digunakan dua pendekatan utama: algoritma Support Vector Machine (SVM) untuk klasifikasi komentar, serta metode Latent Dirichlet Allocation (LDA) untuk menemukan pola topik yang sering muncul. Penelitian ini bersifat kuantitatif-deskriptif dengan data sebanyak 1.518 komentar yang dikumpulkan dari Instagram selama Agustus hingga Desember 2024.
Tahapan penelitian meliputi pengumpulan data melalui scraping, pelabelan manual, dan preprocessing teks seperti case folding, cleaning, tokenization, word replacing, stemming, dan stop word removal. Model SVM dilatih menggunakan fitur TF-IDF dan diuji dengan pembagian data 70:30. Evaluasi dilakukan menggunakan akurasi, presisi, recall, dan F1-score. Hasil klasifikasi menunjukkan performa baik dengan F1-score sebesar 84%.
Sementara itu, metode LDA berhasil mengidentifikasi enam topik utama dalam kasus Ms Glow dan tiga topik dalam kasus Dr. Richard Lee, mencakup tema seputar kualitas produk, kontroversi publik, dan kritik personal. Temuan ini memberikan gambaran yang lebih dalam mengenai opini publik serta persepsi yang berkembang di media sosial.
Penelitian ini membuktikan bahwa kombinasi SVM dan LDA efektif dalam mendeteksi cyberbullying dan memahami dinamika komunikasi digital. Pendekatan serupa dapat diterapkan pada platform atau merek lain sebagai bagian dari strategi komunikasi dan manajemen reputasi. Penelitian lanjutan disarankan untuk mengeksplorasi metode pembelajaran mendalam guna meningkatkan akurasi dan analisis yang lebih mendetail.