Informasi Lainnya
Abstraksi
Masifnya penggunaan media sosial di Indonesia membuka peluang penyebaran komentar <em>spam </em>promosi judi <em>online</em>, khususnya pada platform YouTube. Meskipun YouTube memiliki fitur moderasi, pelaku promosi judi <em>online </em>terus beradaptasi menggunakan kata- kata terselubung (<em>slang</em>) dan emoji untuk menghindari deteksi filter kata konvensional. Penelitian ini bertujuan untuk membangun model deteksi komentar <em>spam </em>judi <em>online </em>menggunakan pendekatan <em>Deep Learning </em>berbasis arsitektur <em>Bidirectional Long Short- Term Memory </em>(Bi-LSTM) dengan ekstraksi fitur Word2Vec. Penelitian menggunakan dataset sebanyak 46.676 komentar YouTube yang terbagi ke dalam kelas judi dan bukan judi. Pengujian dilakukan dengan membandingkan dua skenario pra-pemrosesan: (1) penghapusan emoji dan (2) konversi emoji menjadi teks, menggunakan metode <em>K-Fold Cross Validation</em>. Hasil penelitian menunjukkan bahwa skenario konversi emoji dengan <em>10- </em><em>Fold Cross Validation </em>menghasilkan performa terbaik, mencapai rata-rata Akurasi 97,64%, <em>Recall </em>89,39%, Presisi 94,00%, dan F1-Score 91,63%. Temuan ini membuktikan bahwa Bi-LSTM mampu menangkap konteks kalimat dua arah dengan baik dan keberadaan emoji berfungsi sebagai penanda semantik vital dalam mendeteksi pola promosi judi <em>online </em>yang terselubung.<br />
Kata Kunci: <em>Bi-LSTM, YouTube, Klasifikasi Teks, Judi Online, NLP</em><br />
Koleksi & Sirkulasi
Tersedia 1 dari total 1 Koleksi
