Deteksi Teks Promosi Judi Online Menggunakan Ai Dengan Kombinasi NLP Dan Deep Learning
DOI:
https://doi.org/10.56995/sintek.v5i2.179Keywords:
Klasifikasi Teks, Judi Online, Kecerdasan Buatan, NLP, Deep LearningAbstract
Penyebaran konten ilegal, khususnya promosi judi online, semakin marak di internet seiring perkembangan teknologi digital. Untuk mengatasi ini, penelitian kami mengembangkan model kecerdasan buatan (AI) yang mampu mengklasifikasi dan mendeteksi teks promosi judi online secara otomatis. Metode yang digunakan melibatkan pemrosesan bahasa alami (NLP) untuk ekstraksi fitur teks, serta algoritma machine learning seperti Naive Bayes, Support Vector Machine (SVM), dan model deep learning. Secara khusus, kami melakukan fine-tuning model IndoBERT dan Transformer pada tugas ini. Dataset yang digunakan terdiri dari kumpulan teks yang dikategorikan sebagai promosi judi dan non-judi, yang dikumpulkan dari media sosial, situs web, dan forum daring. Hasil evaluasi menunjukkan bahwa model Transformer, terutama setelah di-fine-tuning dengan IndoBERT, memberikan akurasi tertinggi dalam mengidentifikasi teks promosi judi online. Temuan ini menunjukkan bahwa pendekatan AI dengan kombinasi NLP dan deep learning, khususnya model berbasis Transformer yang di-fine-tuning pada konteks bahasa Indonesia seperti IndoBERT, sangat efektif untuk sistem penyaringan konten digital guna mendukung upaya pencegahan penyebaran konten ilegal di internet.
Downloads
References
Tryas Amanda Putri, Juniar Gasa Nova, Tesa Amilia Putri,dkk,2025. Tren Penelitian Dampak Kecanduan Media Sosial Bagi Remaja, Jurnal Ilmu Kesehatan Umum, Psikolog, Keperawatan dan Kebidanan, Volume.3, Nomor.2 Juni 2025
Dharmawan, S., Viny, ), Mawardi, C., Novario, ), & Perdana, J. (2023). Jurnal Ilmu Komputer dan Sistem Informasi Klasifikasi Ujaran Kebencian Menggunakan Metode FeedForward Neural Network (IndoBERT).
Jalin, 2025. Indonesia Darurat Judi Online. https://www.jalin.co.id/id-id/berita/blog/indonesia-darurat-judi-online-simak-penyebab-dan-solusi-yang-dapat-diterapkan.
Raditya Danar,dkk, 2024. Dasar-dasar Natural Language Processing(BLP),Minhaj Pustaka,2024.
Agung Wijoyo,dkk,2024. Pembelajaran Machine Learning, OKTAL : Jurnal Ilmu Komputer dan Science Volume 3, No. 2, Februari 2024
Karyadi, B. (2023). PEMANFAATAN KECERDASAN BUATAN DALAM MENDUKUNG PEMBELAJARAN MANDIRI. 8(2), 253–258. https://doi.org/10.32832/educate.v8i02.14843
Ahmad, A. (2017). Mengenal Artificial Intelligence, Machine Learning, Neural Network, dan Deep Learning. www.teknoindonesia.com
Maulana, A., & Yuliana, A. (2024). ANALISIS SENTIMEN OPINI PUBLIK TERKAIT JUDI ONLINE PADA PENGGUNA APLIKASI X MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MECHINE. Jurnal Informatika dan Teknik Elektro Terapan, 12(3S1). https://doi.org/10.23960/jitet.v12i3S1.5187
Hendi Hidayat1, Freza Riana,2023,Identifikasi Benih Jahe menggunakan Convolusional Neural Network, Jurnal Infotech,Vol. 9 No. 1, pp. 287-298.
Muhammad Basil Musyaffa Amin, Gibran Hakim, dkk, 2019. DETEKSI SPAM BERBAHASA INDONESIA BERBASIS TEKS MENGGUNAKAN MODEL BERT ,Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 11, No. 6, Desember 2024, hlm. 1291-1302.
Chaumond, J., Delangue, C., & Wolf, T. (2016). huggingface (Hugging Face). https://huggingface.co/huggingface
Devlin, J., Chang, M.-W., Lee, K., Google, K. T., & Language, A. I.,2018. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. http://arxiv.org/abs/1810.04805
Alwehaibi, A., Bikdash, M., Albogmi, M., & Roy, K. (2021). A study of the performance of embedding methods for Arabic short-text sentiment analysis using deep learning approaches. Journal of King Saud University-Computer and Information Sciences