<![CDATA[Penyebaran komentar spam yang mengandung promosi perjudian daring di YouTube semakin meningkat dan mengganggu kualitas interaksi digital. Deteksi manual tidak lagi efektif karena volume komentar yang tinggi dan kompleksitas gaya bahasa yang digunakan. Penelitian ini bertujuan untuk menerapkan model In-doBERT yang telah di‑fine‑tune guna mendeteksi komentar spam bertema perjudian dalam bahasa Indonesia. Data mentah diperoleh melalui scraping sebanyak 9.056 komentar dari 14 video kategori game. Setelah dilakukan pra‑pemrosesan yang meliputi pembersihan teks, normalisasi, tokenisasi, penghapusan stopword, dan stemming, 263 komentar dihapus sehingga tersisa 8.793 komentar bersih untuk pelabelan. Komentar dikategorikan secara semi‑otomatis ke dalam dua kelas, spam dan non‑spam, dengan bantuan pencocokan kata kunci dan validasi manual. Model IndoBERT dilatih menggunakan pendekatan transfer learning dan dievaluasi dengan metrik akurasi, presisi, recall, dan F1‑score. Hasil eksperimen menunjukkan akurasi sekitar 99,54% (atau dibulatkan menjadi 99,6%) dan F1‑score 1,00, dengan hanya delapan kesalahan klasifikasi dari 1.759 data uji. Vis-ualisasi melalui wordcloud dan histogram mengungkap pola domi-nan istilah promosi dalam komentar spam. Temuan ini menunjukkan bahwa pendekatan berbasis transformer efektif dalam memahami konteks semantik, meskipun disamarkan melalui eufemisme atau kode, serta dapat diandalkan untuk meningkatkan akurasi sistem moderasi otomatis pada platform digital.]]>
Copyrights © 2026
