View/Open

Author
AMDHAN, ANGGORO

Date Published
30 Jan 2026

Advisor
Martin Clinton Tosima Manullang, S.T., M.T., Ph.D.,

Subject
Teknik Informatika

Publisher

Perkembangan platform media sosial, khususnya YouTube, mendorong meningkatnya interaksi pengguna melalui kolom komentar. Namun, kondisi ini juga dimanfaatkan untuk menyebarkan komentar promosi judi daring yang bersifat ilegal dan merugikan. Komentar tersebut sering menggunakan variasi ejaan, bahasa informal, serta istilah slang sehingga sulit dideteksi secara manual. Oleh karena itu, diperlukan sistem klasifikasi otomatis berbasis pembelajaran mendalam untuk mendeteksi komentar judi daring secara efektif. Penelitian ini bertujuan untuk mengembangkan model klasifikasi komentar YouTube menggunakan arsitektur Text Convolutional Neural Network (Text CNN) serta menganalisis pengaruh hiperparameter utama terhadap kinerja model. Metodologi penelitian meliputi pengumpulan dan pelabelan data komentar YouTube ke dalam dua kelas, yaitu Judol dan Non-Judol, dilanjutkan dengan tahap pra-pemrosesan teks. Data kemudian direpresentasikan dalam bentuk numerik dan dilatih menggunakan model Text CNN dengan optimizer AdamW. Evaluasi performa model dilakukan menggunakan metrik Accuracy, Precision, Recall, dan F1-Score, serta studi ablasi untuk menguji variasi learning rate dan dropout. Hasil eksperimen menunjukkan bahwa model Text CNN mampu mencapai performa yang baik dan stabil. Konfigurasi terbaik diperoleh pada learning rate 1e-3 dan dropout 0.5 dengan nilai F1-Score tertinggi sebesar 0.95358 dan akurasi sebesar 0.95 pada data validasi. Hasil ini menunjukkan bahwa arsitektur Text CNN efektif dalam mengklasifikasikan komentar promosi judi daring dan memiliki kemampuan generalisasi yang baik terhadap variasi bahasa pada komentar YouTube.

URI
https://repo.itera.ac.id/depan/submission/SB2602130071

Keyword
Klasifikasi Teks Judi Online Arsitektur Text CNN Deep Learning