ANALISIS KINERJA MACHINE LEARNING UNTUK DETEKSI KONTEN PENIPUAN BERBAHASA INDONESIA DI TWITTER

Perkembangan teknologi informasi telah mengubah cara masyarakat berinteraksi di ruang digital, termasuk melalui platform Twitter yang digunakan secara luas untuk berbagi informasi dan opini. Namun, kemudahan ini juga mendorong munculnya konten penipuan seperti investasi palsu, undian fiktif, dan permintaan donasi fiktif. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja lima algoritma machine learning, yaitu Logistic Regression (LR), Decision Tree (DT), Random Forest (RF), Support Vector Machine (SVM), dan Naïve Bayes (NB) dalam mendeteksi konten penipuan berbahasa Indonesia pada Twitter. Dataset terdiri dari 5.221 tweet berbahasa Indonesia yang telah diberi label secara manual ke dalam dua kelas, fraud dan non-fraud. Seluruh tweet tersebut kemudian diproses melalui tahapan text preprocessing, meliputi data cleaning, case folding, normalization, tokenizing, filtering, dan stemming, sebelum direpresentasikan sebagai vektor numerik menggunakan Word2Vec. Klasifikasi dilakukan menggunakan 10-Fold Cross Validation dengan metrik evaluasi accuracy, precision, recall, dan f1-score. Hasil pengujian menunjukkan bahwa algoritma Random Forest memiliki performa terbaik dengan nilai accuracy sebesar 85,6%, diikuti oleh SVM (84,0%), Logistic Regression (83,6%), Decision Tree (81,2%), dan Naïve Bayes (78,4%). Kontribusi utama penelitian ini adalah menyediakan analisis komparatif empiris yang sistematis terhadap berbagai algoritma klasifikasi untuk deteksi konten penipuan berbahasa Indonesia pada Twitter, yang masih relatif jarang dieksplorasi. Temuan ini menunjukkan bahwa kombinasi Word2Vec dan algoritma Random Forest mampu menangkap konteks semantik teks pendek secara efektif dan dapat menjadi acuan bagi pengembangan sistem deteksi otomatis konten penipuan di media sosial.