Torang Bolon Panjaitan Abednego 115 Fakultas Ilmu Komputer Teknik Informatika 05 Skripsi Deteksi Perundungan Siber pada Tweet Berbahasa Indonesia menggunakan Support Vector Machine dengan Lexicon Based Features Salah satu bentuk penyalahgunaan kemudahan interaksi pada sosial media Twitter adalah perundungan siber. Perundungan siber dapat mengakibatkan korban merasa tidak berharga, marah, malu, tidak percaya diri, dan takut. Perundungan yang dapat dilakukan melalui media sosial berupa ejekan, fitnah, dan ancaman. Deteksi Perundungan Siber bertujuan untuk mendeteksi tweet yang mengandung perundungan. Support Vector Machine adalah metode yang digunakan dengan menggunakan fitur Term Frequency-Inverse Document Frequency dan tambahan dari fitur Lexicon Based. Data yang digunakan berjumlah 337 data, dengan pembagian komposisi 70% data latih dan 30% data uji. Hasil evaluasi pada sistem menunjukkan bahwa menggunakan Lexicon Based Feature memberikan hasil recall yang lebih baik daripada hanya menggunakan TF-IDF dan fitur gabungan dari TF-IDF dengan Lexicon Based Feature. Hasil evaluasi tertinggi didapatkan dengan menggunakan Lexicon Based Feature, yaitu Kernel Linear dengan parameter lambda = 0,1, gamma = 0,0001, complexity = 1, epsilon = 0,0001, dan iter max = 10 menghasilkan accuracy = 82,69, recall = 79,66, precision = 88,67, dan f-measure = 83,92