IMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE UNTUK MENGKLASIFIKASIKAN PENYEBARAN INFORMASI JUDI DARING DALAM PLATFORM MEDIA SOSIAL

Faaris Muda Dwi Nugraha, - (2024) IMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE UNTUK MENGKLASIFIKASIKAN PENYEBARAN INFORMASI JUDI DARING DALAM PLATFORM MEDIA SOSIAL. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_RPL_2000427_Title.pdf Download (675kB)
	Text S_RPL_2000427_Chapter1.pdf Download (238kB)
	Text S_RPL_2000427_Chapter2.pdf Restricted to Staf Perpustakaan Download (522kB) | Request a copy
	Text S_RPL_2000427_Chapter3.pdf Download (728kB)
	Text S_RPL_2000427_Chapter4.pdf Restricted to Staf Perpustakaan Download (5MB) | Request a copy
	Text S_RPL_2000427_Chapter5.pdf Download (226kB)
	Text S_RPL_2000427_Appendix.pdf Restricted to Staf Perpustakaan Download (494kB) | Request a copy

Abstract

Di era digital saat ini, media sosial menjadi platform utama untuk penyebaran berbagai jenis informasi, termasuk informasi judi daring yang merugikan. Penyebaran informasi perjudian daring melalui media sosial telah menjadi masalah serius yang memerlukan penanganan efektif karena dapat berdampak negatif pada moral dan mental masyarakat. Menanggapi tantangan ini, penelitian ini mengimplementasikan algoritma Support Vector Machine (SVM) untuk mengklasifikasikan konten terkait judi daring di platform media sosial. Tujuannya adalah mengembangkan sistem klasifikasi yang akurat serta menyajikan hasil dalam bentuk yang mudah diinterpretasikan guna mendukung pengambilan keputusan oleh pihak berwenang. Urgensi penelitian ini terletak pada kebutuhan akan alat yang efektif untuk mendeteksi dan mencegah penyebaran informasi judi daring yang semakin meresahkan. Untuk mencapai tujuan tersebut, algoritma SVM dengan kernel RBF diaplikasikan pada dataset yang terdiri atas 42.623 unggahan media sosial, dengan komposisi 20,3% konten positif (mengandung informasi judi daring) dan 79,7% negatif. Hasil evaluasi model menunjukkan performa klasifikasi dengan tingkat akurasi mencapai 96,91%. Secara rinci, model memiliki precision dan recall yang tinggi untuk kelas negatif, masing-masing sebesar 97% dan 99%, serta F1-score sebesar 98%, sementara untuk kelas positif, precision model adalah 98%, recall sebesar 87%, dan F1-score sebesar 92%. Temuan ini mengindikasikan bahwa model SVM yang dikembangkan sangat efektif dalam mengidentifikasi dan membedakan konten terkait judi daring dari konten normal. Implementasi hasil penelitian diwujudkan dalam bentuk situs web interaktif yang mampu mengumpulkan, mengklasifikasikan, dan menampilkan hasil klasifikasi beserta visualisasi data, termasuk distribusi label, frekuensi kata, dan word cloud. ----------- In the current digital era, social media has become the primary platform for disseminating various types of information, including harmful online gambling information. The spread of online gambling information via social media has become a serious issue that requires effective handling because it can negatively impact the community's morals and mental health. In response to this challenge, this study implements a Support Vector Machine (SVM) algorithm to classify content related to online gambling on social media platforms. The objective is to develop an accurate classification system and present the results in an easily interpretable form to support decision-making by authorities. The urgency of this research lies in the need for an effective tool to detect and prevent the increasingly troubling spread of online gambling information. To achieve this goal, the SVM algorithm with an RBF kernel was applied to a dataset consisting of 42,623 social media posts, with 20.3% positive content (containing online gambling information) and 79.7% negative content. The model evaluation results showed a classification performance with an accuracy rate of 96.91%. Specifically, the model has high precision and recall for the negative class, each at 97% and 99%, respectively, with an F1-score of 98%, while for the positive class, the model's precision is 98%, recall is 87%, and F1-score is 92%. These findings indicate that the developed SVM model is highly effective in identifying and distinguishing online gambling-related content from normal content. The implementation of the research results is realized in the form of an interactive website capable of collecting, classifying, and displaying classification results along with data visualizations, including label distribution, word frequency, and word clouds.

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?hl=en&user=DQri_d8AAAAJ ID SINTA Dosen Pembimbing: HENDRIYANA: 6658557 DIAN ANGGRAINI: 6681986
Uncontrolled Keywords:	Media Sosial, Judi Daring, Klasifikasi, Support Vector Machine, Deteksi Konten, Social Media, Online Gambling, Classification, Support Vector Machine, Content Detection
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	UPI Kampus cibiru > S1 Rekayasa Perangkaat Lunak
Depositing User:	Faaris Muda Dwi Nugraha
Date Deposited:	11 Sep 2024 02:00
Last Modified:	11 Sep 2024 02:00
URI:	http://repository.upi.edu/id/eprint/121754

Actions (login required)

View Item