PENGEMBANGAN MODEL INDOBERT UNTUK DETEKSI KOMENTAR PROMOSI JUDI ONLINE DI YOUTUBE

Read full text
Authors: Kevin Iansyah, Afina Lina Nurlaili, Muhammad Muharrom Al Haromainy
Cited by: 0

Abstract

Perkembangan teknologi digital telah mengubah pola interaksi masyarakat, termasuk meningkatnya aktivitas promosi judi online di kolom komentar media sosial seperti YouTube. Fenomena ini menimbulkan kekhawatiran serius terhadap keamanan digital dan berdampak negatif pada masyarakat, khususnya generasi muda. Penelitian ini bertujuan untuk mengembangkan model berbasis Natural Language Processing (NLP) menggunakan IndoBERT untuk mendeteksi serta mengekstraksi komentar yang mengandung promosi judi online secara otomatis. Metode yang digunakan meliputi dua tahap utama, yaitu klasifikasi teks untuk mengidentifikasi komentar promosi judi online dan Named Entity Recognition (NER) untuk mengekstraksi entitas seperti nama situs atau istilah yang sering digunakan dalam promosi judi online tersebut. Model dikembangkan melalui proses fine-tuning terhadap dataset komentar berbahasa Indonesia. Hasil pengujian menunjukkan performa yang sangat tinggi, dengan akurasi 99,74%, nilai F1-score sebesar 0,9953, dan AUC-ROC 0,9998 pada model klasifikasi, serta F1-score 0,9765 pada model NER. Temuan ini membuktikan bahwa model IndoBERT mampu memahami konteks linguistik Indonesia dengan baik dan efektif digunakan untuk mendukung moderasi komentar secara otomatis. Penelitian ini juga memiliki relevansi dengan SDG 16 (Peace, Justice, and Strong Institutions) melalui penguatan tata kelola digital yang aman, serta SDG 9 (Industry, Innovation, and Infrastructure) melalui penerapan inovasi teknologi AI untuk membangun ekosistem digital yang berkelanjutan dan bertanggung jawab.

Fields of Study & Subjects

Hate Speech and Cyberbullying Detection Topic Modeling Text and Document Classification Technologies

Publication details

Journal / source
Prosiding Seminar Sosial Politik Bisnis Akuntansi dan Teknik
Volume
7
Pages
292–302
Publication date
11 February 2026
Language
ID