APLIKASI DETEKSI KOMENTAR SPAM YOUTUBE DENGAN METODE SUPPORT VECTOR MACHINE BERBASIS WEB
Article Sidebar
Main Article Content
Abstract
YouTube merupakan salah satu platform media sosial terbesar di dunia dengan jumlah pengguna 2,6 milyar di seluruh dunia dan 192 juta pengguna di seluruh indonesia. Hal ini menciptakan peluang bagi kejahatan di dunia digital. Spam adalah salah satu tindakan yang dapat merugikan pengguna Youtube dan pihak yang juga mengalami kerugian adalah pemilik channel karena banyak komentar spam yang mengganggu sehingga dapat membuat kenyamanan para penonton berkurang. Selain daripada pemilik channel yang dirugikan spam juga merugikan pihak penonton karena komentar spam dapat memberikan informasi yang salah, menimbulkan distraksi, mencuri informasi dan memancing emosi sehingga menyebabkan pertengkaran. Klasifikasi merupakan metode yang dapat membedakan jenis komentar spam dan komentar non-spam. Metode support vector machine adalah salah satu metode klasifikasi yang mampu membedakan jenis kategori dengan baik dan dapat menghasilkan prediksi yang akurat serta tingkat akurasi yang tinggi. Terdapat beberapa kernel yang dapat melakukan klasifikasi yaitu linear, polynomial, RBF, dan sigmoid. Adapun pendekatan one vs one dan one vs rest untuk klasifikasi multiclass. Dilakukan 5 kali pengujian terhadap model one vs one, one vs rest, RBF, dan polynomial dengan menggunakan 581 data yang telah dikumpulkan untuk mencari model yang terbaik. Model terbaik dari hasil pengujian adalah model algoritma SVM dengan pendekatan one vs one dengan akurasi sebesar 89,58% dengan pemisahan 75% data latih dan 25% data uji.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
References
Alita, D., Fernando, Y., & Sulistiani, H. (2020). Implementasi Algoritma Multiclass SVM pada Opini Publik Berbahasa Indonesia di Twitter. Jurnal Tekno Kompak, 14(2), 86-91.
Baeldung, (2022, September 25). "Multiclass Classification using Support Vector Machine". Baeldung https://www.baeldung.com/cs/svm-multiclass-classification
Ichwan, M., & Dewi, I. A. (2018). Klasifikasi Support Vector Machine (SVM) Untuk Menentukan Tingkat Kemanisan Mangga Berdasarkan Fitur Warna. MIND (Multimedia Artificial Intelligent Networking Database) Journal, 3(2), 16-23.
Iqbal, A. R., & Miftahuddin, Y. (2022). Implementasi SVM Untuk Deteksi Komentar Negatif Berbahasa Indonesia Di Twitter. FTI.
Jihad, J., Widiastuti, N. I., & Dewi, K. E. (2021). Support Vector Machine Untuk Ekstraksi Dokumen Karya Ilmiah. Komputa: Jurnal Ilmiah Komputer Dan Informatika, 10(2), 87-94.
Julio, R., Pratiwi, H., & Wahyuningsih, Y. (2022). Pendeteksi Komentar Spam Youtube Menggunakan Bag Of Word Dan Random Forest. Scientico: Computer Science And Informatics Journal, 5(1), 7-14.
Prayoga, F. A., Pinandito, A., & Perdana, R. S. (2018). Rancang Bangun Aplikasi Deteksi Spam Twitter Menggunakan Metode Naive Bayes Dan Knn Pada Perangkat Bergerak Android. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer E-ISSN, 2548, 964.
Rosari, M. A., Wasino, W., & Tony, T. (2022). Analisis Sentimen Tanggapan Masyarakat Terhadap Bantuan Sosial Pemerintah Di Masa Pandemi Covid-19 Pada Platform Twitter. Jurnal Ilmu Komputer Dan Sistem Informasi, 10(1).
Syam, A. T., Fahri, A., Saputra, B., Maulana, R. F., Dwiani, S., Holid, W. G., & Firmansyah, R. (2020). Klasifikasi Komentar Spam Pada Instagram Menggunakan Metode Support Vector Machine. Buffer Informatika, 6(2), 1-5.
Thomas, V. W. D., & Rumaisa, F. (2022). Analisis Sentimen Ulasan Hotel Bahasa Indonesia Menggunakan Support Vector Machine Dan TF-IDF. Jurnal Media Informatika Budidarma, 6(3), 1767-1774.