ANALISIS PERFORMA ALGORITMA MACHINE LEARNING DALAM DETEKSI PROMOSI JUDI ONLINE PADA KOMENTAR YOUTUBE

Fathan, Hafizh Mohammad (2025) ANALISIS PERFORMA ALGORITMA MACHINE LEARNING DALAM DETEKSI PROMOSI JUDI ONLINE PADA KOMENTAR YOUTUBE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (2MB)
	Text (BAB I) BAB I.pdf Download (244kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (749kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (555kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (861kB)
	Text (BAB V) BAB V.pdf Download (128kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (160kB)
	Archive (SOURCE CODE) Sourcecode - 21.11.3844.zip Restricted to Repository staff only Download (3MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (5MB)

Abstract

Perjudian online di Indonesia terus mengalami peningkatan meskipun telah diatur secara tegas dalam Pasal 303 Kitab Undang-Undang Hukum Pidana (KUHP) dan Pasal 27 ayat (2) juncto Pasal 45 ayat (2) Undang-Undang Nomor 11 Tahun 2008 tentang Informasi dan Transaksi Elektronik (UU ITE). Salah satu media yang sering dimanfaatkan untuk promosi perjudian daring adalah YouTube, dengan penyamaran melalui slang, kode, maupun tautan tersembunyi yang menyasar Generasi Z dan Milenial. Penelitian ini bertujuan menganalisis dan membandingkan performa lima algoritma machine learning, yaitu Naive Bayes, Support Vector Machine (SVM), Random Forest, K-Nearest Neighbor (k-NN), dan Logistic Regression dalam mendeteksi komentar promosi judi online berbahasa Indonesia pada platform YouTube. Dataset penelitian diambil dari komentar yang dikumpulkan pada periode Januari hingga Maret 2025 dan direpresentasikan menggunakan Term Frequency Inverse Document Frequency (TF-IDF) tanpa proses pembersihan data lanjutan. Evaluasi kinerja dilakukan menggunakan metrik akurasi, precision, recall, F1-score, dan Area Under Curve (AUC). Hasil pengujian menunjukkan seluruh algoritma memiliki akurasi di atas 0,90, dengan Random Forest menjadi algoritma terbaik (akurasi 0,97; AUC 0,99; F1-score mendekati sempurna), diikuti oleh SVM dengan recall tinggi (0,94). Naive Bayes unggul pada recall (0,98) namun memiliki precision rendah, Logistic Regression mencapai AUC sempurna (1,00), sedangkan k-NN mencatat kinerja terendah (akurasi 0,92; recall 0,89). Berdasarkan fokus untuk meminimalkan lolosnya komentar promosi judi online, Random Forest direkomendasikan sebagai model utama sistem moderasi otomatis, dengan SVM sebagai alternatif. Hasil penelitian ini diharapkan dapat mendukung pengembangan teknologi deteksi konten berbahaya yang efektif serta berkontribusi pada upaya perlindungan masyarakat dari dampak negatif perjudian online.

Actions (login required)

View Item