Tinjauan Yuridis Perlindungan Korban Terhadap Kejahatan Cyber Bullying Dalam Sistem Hukum Pidana Indonesia
Notice bibliographique
Résumé
Undang- Undang Nomor 19 tahun 2016 tentang Informasi dan Transaksi Elektronik dan KUHP . meskipun ITE dapat digunakan untuk menindak pelaku cyberbullying dalam beberapa kasus, namun ketiadaan undang-undang yang khusus menjadi kendala dalam penanganan kasus, baik berupa upaya pembuktian, pemenuhan hak korban, dan kendala yang sering dihadapi dalam penangan kasus cyberbullying. Tipe penelitian yang akan digunakan dalam penelitian ini mengenai"Tinjauan Yuridis Perlindungan Korban Terhadap Kejahatan Cyber Bullying Dalam Sistem Hukum Pidana di Indonesia" adalah penelitian hukum yuridis normatif. Dengan adanya landasan hukum ini, pemerintah dapat mengembangkan pedoman dan aturan yang efektif untuk mencegah tindakan pelecehan online. Deterrence atau efek jera menjadi salah satu dampak positif dari perlindungan hukum. Ancaman sanksi hukum yang jelas dapat menjadi penghambat potensial bagi individu yang ingin melakukan cyber bullying. Dengan demikian, perlindungan hukum dapat berperan dalam menciptakan lingkungan online yang lebih aman. Perlindungan hukum memberikan hak kepada korban untuk melaporkan kasus cyber bullying dan mendapatkan keadilan. Hak-hak ini mencakup perlindungan fisik, hak privasi, dan hak mendapatkan kompensasi atas kerugian yang dialami. Sebagai bagian dari upaya perlindungan, proses hukum juga dapat memberikan perasaan keamanan kepada korban.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,006 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».