<mods:mods version="3.3" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd" xmlns:mods="http://www.loc.gov/mods/v3" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><mods:titleInfo><mods:title>KLASIFIKASI KOMENTAR SPAM JUDI ONLINE BERBASIS&#13;
NLP PADA PLATFORM YOUTUBE MENGGUNAKAN&#13;
ALGORITMA NAÏVE BAYES DAN SVM</mods:title></mods:titleInfo><mods:name type="personal"><mods:namePart type="given">Ginaris</mods:namePart><mods:namePart type="family">Buono</mods:namePart><mods:role><mods:roleTerm type="text">author</mods:roleTerm></mods:role></mods:name><mods:abstract>Perkembangan media sosial, khususnya platform YouTube, menyebabkan&#13;
meningkatnya aktivitas interaksi digital melalui kolom komentar. Namun,&#13;
tingginya aktivitas tersebut juga memunculkan permasalahan berupa penyebaran&#13;
komentar spam promosi judi online yang dapat mengganggu kenyamanan&#13;
pengguna serta menimbulkan dampak sosial dan ekonomi yang merugikan.&#13;
Karakteristik komentar spam yang menggunakan variasi penulisan seperti Unicode&#13;
dekoratif, leetspeak, dan pengulangan karakter menyebabkan proses deteksi&#13;
menjadi lebih kompleks. Oleh karena itu, diperlukan sistem klasifikasi otomatis&#13;
yang mampu mendeteksi komentar spam secara efektif menggunakan pendekatan&#13;
Natural Language Processing (NLP) dan machine learning.&#13;
Penelitian ini menggunakan dataset sebanyak 10.946 komentar YouTube&#13;
yang diperoleh melalui YouTube Data API. Tahapan penelitian meliputi&#13;
preprocessing teks berupa Unicode normalization, case folding, leetspeak&#13;
conversion, compress character, dan text cleaning. Pelabelan data dilakukan secara&#13;
otomatis menggunakan pendekatan rule-based entity detection berbasis pola nama&#13;
situs judi online. Selanjutnya, representasi teks dilakukan menggunakan metode&#13;
TF–IDF dan proses klasifikasi menggunakan algoritma Naïve Bayes dan Support&#13;
Vector Machine (SVM). Penelitian juga menerapkan teknik data balancing&#13;
menggunakan Random UnderSampling untuk menganalisis pengaruh&#13;
ketidakseimbangan kelas terhadap performa model.&#13;
Hasil penelitian menunjukkan bahwa algoritma SVM memiliki performa&#13;
lebih baik dibandingkan Naïve Bayes dalam mengklasifikasikan komentar spam&#13;
judi online berdasarkan metrik accuracy, precision, recall, dan F1-score. Selain itu,&#13;
penerapan data balancing terbukti mampu meningkatkan kemampuan model dalam&#13;
mendeteksi kelas spam. Penelitian ini diharapkan dapat menjadi referensi dalam&#13;
pengembangan sistem moderasi otomatis komentar media sosial serta mendukung&#13;
upaya deteksi spam berbasis teks pada platform digital.</mods:abstract><mods:classification authority="lcc">000 Ilmu komputer, informasi dan pekerjaan umum</mods:classification><mods:classification authority="lcc">005 Pemrograman komputer, program dan data</mods:classification><mods:originInfo><mods:dateIssued encoding="iso8061">2026-05-22</mods:dateIssued></mods:originInfo><mods:originInfo><mods:publisher>Universitas AMIKOM Yogyakarta;Fakultas Ilmu Komputer</mods:publisher></mods:originInfo><mods:genre>Thesis</mods:genre></mods:mods>