DETEKSI KOMENTAR SPAM PERJUDIAN ONLINE DI YOUTUBE MENGGUNAKAN K-NEAREST NEIGHBORS DAN NAÏVE BAYES

Idil Ode, Christian Dwi Suhendra, Marlinda Sanglise

Abstract


Penyebaran komentar spam perjudian daring di YouTube semakin meningkat dan mengganggu pengalaman pengguna. Komentar-komentar ini sering kali menggunakan pola bahasa tertentu, seperti simbol dan variasi kata, untuk menghindari deteksi otomatis. Meskipun YouTube telah menerapkan sistem filter spam, banyak komentar masih lolos deteksi, yang menunjukkan perlunya metode yang lebih akurat dan adaptif. Penelitian ini bertujuan untuk menganalisis pola bahasa dalam komentar spam perjudian daring dan mengembangkan model deteksi berbasis pembelajaran mesin menggunakan K-Nearest Neighbors (KNN) dan Naïve Bayes (NB). Dataset dikumpulkan menggunakan YouTube Data API v3, diproses melalui tahapan normalisasi, cleaning, analisis statistik, visualisasi, dan pelabelan sebelum diterapkan pada pemodelan pembelajaran mesin. Fitur teks diekstraksi menggunakan Term Frequency-Inverse Document Frequency (TF-IDF) dan Bag of Words (BoW), dengan pengoptimalan hiperparameter dilakukan menggunakan GridSearchCV untuk meningkatkan kinerja model. Evaluasi model didasarkan pada metrik accuracy dan F1-Score. Hasilnya menunjukkan bahwa model Naïve Bayes dengan TF-IDF mencapai kinerja tertinggi, dengan akurasi 99% setelah normalisasi dan 98% setelah cleaning, mengungguli Naïve Bayes dengan BoW dan KNN. Temuan ini berkontribusi pada pengembangan sistem deteksi spam yang lebih efektif, khususnya dalam mengidentifikasi pola bahasa tertentu yang digunakan dalam komentar spam perjudian di YouTube. Dengan pendekatan ini, diharapkan dapat dikembangkan sistem moderasi otomatis yang lebih efisien untuk menyaring komentar spam dan meningkatkan kualitas interaksi pengguna di platform YouTube.

Keywords


Judi Online; K-Nearest Neighbors; Komentar Spam; Machine Learning; Naïve Bayes

Full Text:

PDF

References


A. R. Chrismanto, E. Winarko, dan Y. Suyanto, “EiAP-BC: A Novel Emoji Aware Inter-Attention Pair Model for Contextual Spam Comment Detection Based on Posting Text,” ACM Trans. Asian Low-Resource Lang. Inf. Process., vol. 23, no. 12, hal. 1–30, Des 2024, doi: 10.1145/3696663.

Y. Pirnando, Y. Kusnadi, dan P. Angkupi, “Mekanisme Dan Regulasi Penegakan Hukum Terhadap Streamer Game yang Menyampaikan Informasi Tentang Judi Online Oknum yang mempromosikan platform judi online ke media online karena turut mendukung terjadinya perjudian online , Penelitian ini mengeksplorasi,” Muhammadiyah Law Rev., vol. 8, no. 1, hal. 1–8, 2024.

World Health Organization, “Gambling,” World Health Organization. Diakses: 24 April 2025. [Daring]. Tersedia pada: https://www.who.int/news-room/fact-sheets/detail/gambling

I. Network, “Spam Komentar Judi Online di YouTube Semakin Meresahkan, Begini Cara Mengatasinya,” ION Network. Diakses: 14 Maret 2025. [Daring]. Tersedia pada: https://blog.ionnetwork.co.id/spam-komentar-judi-online-di-youtube-semakin-meresahkan-begini-cara-mengatasinya/

L. Kristianti, “Cara Google tangani komentar judi online yang berseliweran di YouTube,” ANTARA. Diakses: 14 Maret 2025. [Daring]. Tersedia pada: https://www.antaranews.com/berita/4657029/cara-google-tangani-komentar-judi-online-yang-berseliweran-di-youtube/

A. N. Salim, A. Adryani, dan T. Sutabri, “Deteksi Email Spam dan Non-Spam Berdasarkan Isi Konten Menggunakan Metode K-Nearest Neighbor dan Support Vector Machine,” Syntax Idea, vol. 6, no. 2, hal. 991–1001, Mar 2024, doi: 10.46799/syntax-idea.v6i2.3052.

A. Wara Putera dan Y. Dewi Lestari, “Klasifikasi SMS Spam Menggunakan Algoritma K-Nearest Neighbor,” Jikstra, vol. 5, no. 01, hal. 43–55, 2023.

P. V Dhote, R. Ramteke, A. R. Patel, P. Dewalker, dan P. A. Chaube, “Instagram Spam Detection ( ISD ),” vol. 8, no. 5, hal. 573–583, 2024, [Daring]. Tersedia pada: www.ijtsrd.com/papers/ijtsrd69419.pdf

L. Das, L. Ahuja, dan A. Pandey, “Analysis of Twitter Spam Detection Using Machine Learning Approach,” Proc. 3rd Int. Conf. Intell. Eng. Manag. ICIEM 2022, no. April 2022, hal. 764–769, 2022, doi: 10.1109/ICIEM54221.2022.9853100.

A. R. Chrismanto, A. K. Sari, dan Y. Suyanto, “Enhancing Spam Comment Detection on Social Media With Emoji Feature and Post-Comment Pairs Approach Using Ensemble Methods of Machine Learning,” IEEE Access, vol. 11, hal. 80246–80265, 2023, doi: 10.1109/ACCESS.2023.3299853.

A. Sinhal dan M. Maheshwari, “YouTube: Spam Comments Filtration using Hybrid Ensemble Machine Learning Models,” Int. J. Emerg. Technol. Adv. Eng., vol. 12, no. 10, hal. 169–182, 2022, doi: 10.46338/ijetae1022_18.

G. Airlangga, “Spam Detection on YouTube Comments Using Advanced Machine Learning Models: A Comparative Study,” Brill. Res. Artif. Intell., vol. 4, no. 2, hal. 500–508, Okt 2024, doi: 10.47709/BRILLIANCE.V4I2.4670.

H. Sankar Dutta, “YT-30M: A multi-lingual multi-category dataset of YouTube comments,” arXiv, hal. arXiv:2412.03465, Des 2024, doi: 10.48550/ARXIV.2412.03465.

S. Teng, K. W. Khong, S. P. Sharif, dan A. Ahmed, “Youtube video comments on healthy eating: Descriptive and predictive analysis,” JMIR Public Heal. Surveill., vol. 6, no. 4, 2020, doi: 10.2196/19618.

R. B. Perdana, Ardin, I. Budi, A. B. Santoso, A. Ramadiah, dan P. K. Putra, “Detecting Online Gambling Promotions on Indonesian Twitter Using Text Mining Algorithm,” Int. J. Adv. Comput. Sci. Appl., vol. 15, no. 8, hal. 942–949, 2024, doi: 10.14569/IJACSA.2024.0150893.

A. Maulana dan A. Yuliana, “ANALISIS SENTIMEN OPINI PUBLIK TERKAIT JUDI ONLINE PADA PENGGUNA APLIKASI X MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MECHINE,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3S1, hal. 3706–3714, Okt 2024, doi: 10.23960/jitet.v12i3S1.5187.

M. F. A. Shidiq dan D. Alita, “ANALISIS SENTIMEN MASYARAKAT TERHADAP KASUS JUDI ONLINE MENGGUNAKAN DATA DARI MEDIA SOSIAL X PENDEKATAN NAIVE BAYES DAN SVM,” Simika, vol. 8, no. 1, hal. 24–35, 2025.

O. N. Julianti, N. Suarna, dan W. Prihartono, “PENERAPAN NATURAL LANGUAGE PROCESSING PADA ANALISIS SENTIMEN JUDI ONLINE DI MEDIA SOSIAL TWITTER,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 3, hal. 2936–2941, Mei 2024, doi: 10.36040/jati.v8i3.9613.

K. Tri Putra, M. Amin Hariyadi, dan C. Crysdian, “Perbandingan Feature Extraction Tf-Idf Dan Bow Untuk Analisis Sentimen Berbasis Svm,” J. Cahaya MAndalika, hal. 1449–1463, 2023.

P. Joseph dan S. Y. Yerima, “A comparative study of word embedding techniques for SMS spam detection,” Proc. - 2022 14th IEEE Int. Conf. Comput. Intell. Commun. Networks, CICN 2022, hal. 149–155, 2022, doi: 10.1109/CICN56167.2022.10008245.

M. Ahmadi, M. Khajavi, A. Varmaghani, A. Ala, K. Danesh, dan D. Javaheri, “Leveraging Large Language Models for Cybersecurity: Enhancing SMS Spam Detection with Robust and Context-Aware Text Classification,” Arxiv, Feb 2025, Diakses: 26 April 2025. [Daring]. Tersedia pada: https://arxiv.org/pdf/2502.11014

S. Rojas-Galeano, “Using BERT Encoding to Tackle the Mad-lib Attack in SMS Spam Detection,” 2021, [Daring]. Tersedia pada: http://arxiv.org/abs/2107.06400

M. D. Taufiqurahman, S. Anraeni, dan H. Darwis, “Analisis Sentimen Komentar Konten Kreator Gaming Menggunakan Metode Naive Bayes dan KNN,” LINIER Lit. Inform. dan Komput., vol. 1, no. 4, hal. 317–327, 2024.

A. Wijaya, M. Rivaldo, dan M. R. Pribadi, “Analisis Sentimen Terhadap Aplikasi Mitra Darat Menggunakan Algoritma Naive Bayes Classifier dan K-Nearest Neighbor,” AICOMS Appl. Inf. Technol. Comput. Sci., vol. 3, no. 1, hal. 9–14, 2024.

M. Iksan Maulana, M. Martanto, dan U. Hayati, “Perbandingan Algoritma Naïve Bayes Dan K-Nearest Neighbors Untuk Klasifikasi Topik Berita Pada Situs Detik.Com,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 3, hal. 3733–3742, 2024, doi: 10.36040/jati.v8i3.9779.

S. Akuma, T. Lubem, dan I. T. Adom, “Comparing Bag of Words and TF-IDF with different models for hate speech detection from live tweets,” Int. J. Inf. Technol., vol. 14, no. 7, hal. 3629–3635, 2022, doi: 10.1007/s41870-022-01096-4.

D. N. Larasakti, A. Aziz, dan D. Aditya, “Analisis Sentimen Komentar Video Youtube Dengan Metode K-Nearest Neighbor,” J. Ilm. Wahana Pendidik., vol. 9, no. 5, hal. 132–142, 2023.

A. Purnama dan D. Hamidin, “Metode Algoritma Logistic Regression dalam Klasifikasi Email Spam,” SHIFT, vol. 5, no. 1, hal. 39–47, 2025.

L. N. AINA, V. R. S. NASTITI, dan C. S. K. ADITYA, “Implementasi Extra Trees Classifier dengan Optimasi Grid Search CV pada Prediksi Tingkat Adaptasi,” MIND (Multimedia Artif. Intell. Netw. Database) J., vol. 9, no. 1, hal. 78–88, 2024, [Daring]. Tersedia pada: https://ejurnal.itenas.ac.id/index.php/mindjournal/article/view/10899

G. Hakim, T. N. Fatyanosa, dan A. W. Widodo, “Analisis Sentimen Masyarakat terhadap Kereta Cepat Whoosh pada Platform X menggunakan IndoBERT,” JPTIIK J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 10, hal. 1–10, 2024.

M. Z. Ramadhan dan R. Mubarak, “ANALISIS SENTIMEN MASYARAKAT TERHADAP KENAIKAN BAHAN BAKAR MINYAK PADA MEDIA SOSIAL YOUTUBE DENGAN METODE K-NEAREST NEIGHBOR DAN SUPPORT VECTOR MACHINE,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 1, hal. 984–991, 2025.

S. Dai et al., “AI-based NLP section discusses the application and effect of bag-of-words models and TF-IDF in NLP tasks,” J. Artif. Intell. Gen. Sci. ISSN3006-4023, vol. 5, no. 1, hal. 13–21, Jun 2024, doi: 10.60087/JAIGS.V5I1.149.

A. F. Nuraini, R. D. Pertiwi, M. Z. Subarkah, dan K. Ferawati, “Analisis Sentimen Pelaksanaan Vaksinasi Covid-19 secara Massal pada Media Sosial Twitter,” Semin. Nas. Off. Stat., vol. 2022, no. 1, hal. 1385–1394, Nov 2022, doi: 10.34123/SEMNASOFFSTAT.V2022I1.1564.

A. Addiga, S. Bagui, A. Addiga, dan S. Bagui, “Sentiment Analysis on Twitter Data Using Term Frequency-Inverse Document Frequency,” J. Comput. Commun., vol. 10, no. 8, hal. 117–128, Agu 2022, doi: 10.4236/JCC.2022.108008.

A. Filali, E. A. Abdellaoui Alaoui, dan M. Merras, “Enhancing spam detection with GANs and BERT embeddings: A novel approach to imbalanced datasets,” Procedia Comput. Sci., vol. 236, hal. 420–427, 2024, doi: 10.1016/j.procs.2024.05.049.

A. R. Hanum et al., “Analisis Kinerja Algoritma Klasifikasi Teks Bert dalam Mendeteksi Berita Hoaks,” J. Teknol. Inf. dan Ilmu Komput., vol. 11, no. 3, hal. 537–546, Jul 2024, doi: 10.25126/JTIIK.938093.

Y. Guo, Z. Mustafaoglu, dan D. Koundal, “Spam Detection Using Bidirectional Transformers and Machine Learning Classifier Algorithms,” J. Comput. Cogn. Eng., vol. 2, no. 1, hal. 5–9, Apr 2022, doi: 10.47852/bonviewJCCE2202192.

K. A. DeLong, S. Trott, dan M. Kutas, “Offline dominance and zeugmatic similarity normings of variably ambiguous words assessed against a neural language model (BERT),” Behav. Res. Methods, vol. 55, no. 4, hal. 1537–1557, 2023, doi: 10.3758/s13428-022-01869-6.

B. M. Jones dan M. Omar, “Detection of Twitter Spam with Language Models: A Case Study on How to Use BERT to Protect Children from Spam on Twitter,” Proc. - 2023 Congr. Comput. Sci. Comput. Eng. Appl. Comput. CSCE 2023, hal. 511–516, 2023, doi: 10.1109/CSCE60160.2023.00089.

T. Sahmoud dan M. Mikki, “Spam Detection Using BERT,” Arxiv, hal. 2–7, Jun 2022, doi: 10.48550/arXiv.2206.02443.

M. I. H. Emon, K. N. Iqbal, M. H. K. Mehedi, M. J. A. Mahbub, dan A. A. Rasel, “Detection of Bangla Hate Comments and Cyberbullying in Social Media Using NLP and Transformer Models,” in Communications in Computer and Information Science, vol. 1613 CCIS, Springer, Cham, 2022, hal. 86–96. doi: 10.1007/978-3-031-12638-3_8.




DOI: https://doi.org/10.29100/jipi.v11i1.7682

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
ISSN 2540-8984
Published by
Prodi Pendidikan Teknologi Informasi
Universitas Bhinneka PGRI

Website :https://jurnal.stkippgritulungagung.ac.id/index.php/jipi/index
Email: jipistkippti@gmail.com

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.