Pengembangan Ekstensi Peramban Berbasis Fine-Tuning Indobert untuk Identifikasi Komentar Bermuatan Judi di Platform Youtube
Tahun 2026 · Penulis: Nurul Hadits
Faculty of Computer Science, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/10494
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Pengembangan Ekstensi Peramban Berbasis Fine-Tuning Indobert untuk Identifikasi Komentar Bermuatan Judi di Platform Youtube
Pertumbuhan cepat media sosial telah menciptakan kesempatan untuk penyebaran konten berbahaya, termasuk promosi judi online di bagian komentar YouTube. Komentar promosi seperti sering disamarkan menggunakan bahasa yang tidak standar, singkatan, simbol, dan ekspresi yang disodorkan, membuat mereka sulit untuk mendeteksi menggunakan pendekatan konvensional. Penelitian ini bertujuan untuk mengembangkan ekstensi peramban berdasarkan model IndoBERT yang dicantumkan secara otomatis mengidentifikasi komentar promosi perjudian online di platform YouTube secara real-time. Dataset yang digunakan dalam penelitian ini terdiri dari data sekunder yang dikumpulkan dari dua data komentar YouTube bahasa Indonesia yang diperoleh dari Kample. Setelah pembersihan data dan deduplikasi data terakhir terdiri dari 18,658 komentar yang dikategorikan menjadi dua kelas: perjudian dan non-gambling. Tahap preprosesing teks termasuk normalisasi Unicode, pelipatan kasus, penghapusan karakter khusus, normalisasi whitespace, dan pasca-praproses deduplikasi untuk mencegah kebocoran informasi. Dataset dibagi menjadi pelatihan, validasi, dan subset pengujian menggunakan sampling terstratifikasi, sementara kelas penimbangan diterapkan untuk mengatasi ketidakseimbangan kelas. Model IndoBERT (indobenchmark/indobert-base-p1) menggunakan tingkat pembelajaran 3 × 10 Allahl5 dan ukuran batch 16. Dua skenario pelatihan dievaluasi: Awal Berhenti dengan nilai kesabaran 2 dan Pelatihan Penuh hingga 8 era. Model terakhir dipilih berdasarkan validasi tertinggi F1-score dan diperoleh pada zaman 7 dalam skenario Pelatihan Penuh. Model yang dipilih kemudian dikerahkan melalui API berbasis Flask yang diintegrasikan dengan ekstensi browser Google Chrome. Evaluasi pada dataset tes menunjukkan bahwa model mencapai akurasi 99,21%, presisi 99,20%, ingat 97,90%, F1-score 98,54%, dan ROC-AUC 0.99. Analisis kesalahan menunjukkan bahwa kebanyakan salah classifikasi disebabkan oleh pola promosi yang dikacukan, ekspresi singkat, dan komentar kontekstual ambigu. Evaluasi fungsi melalui tes blackbox dikonfirmasi bahwa semua fitur ekstensi browser beroperasi seperti yang diharapkan. Selain itu, pengujian latensi di lingkungan setempat menunjukkan waktu respon rata-rata 200,286 ms. Hasil ini menunjukkan bahwa model IndoBERT yang ditampi secara efektif dapat diterapkan dalam ekstensi peramban untuk identifikasi real-time dari online perjudian komentar promosi, menyediakan alat dukungan yang praktis untuk bahasa Indonesia konten digital.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,881
Tahun 2026 · Penulis: Mahesa Riski Pratama
Klasifikasi Komentar Promosi Judi Online pada Platform Youtube Menggunakan Distilbert
Perkembangan media sosial, khususnya YouTube, telah membuka peluang interaksi digital yang luas, tetapi juga memunculkan berbagai bentuk penyalahgunaan, salah satunya penyebaran promosi judi online melalui kolom komentar. Permasalahan ini semakin kompleks kare
- Cosine 0,838
Tahun 2026 · Penulis: Prasta Agung Setiyabudi
Deteksi Konten Judi Online pada Teks Media Sosial Menggunakan Support Vector Machine dengan Ekstraksi Fitur TF-IDF
Pertumbuhan cepat media sosial telah memudahkan pengguna untuk berinteraksi dan berbagi informasi. Namun, media sosial juga telah menjadi media media untuk menyebarkan konten negatif, yang salah satunya adalah promosi judi online. Konten judi online sering kal
- Cosine 0,814
Tahun 2026 · Penulis: Mahesa Riski Pratama
Klasifikasi Komentar Promosi Judi Online pada Platform YouTube Menggunakan Distilbert
Hasil eksperimen menunjukkan bahwa model DistilBERT mampu menghasilkan performa klasifikasi yang sangat baik dalam mendeteksi komentar yang mengandung unsur promosi judi online. Berdasarkan proses evaluasi, model memperoleh akurasi sebesar 99,6% pada data pela