Progresif: Jurnal Ilmiah Komputer
Vol. 22 No. 3 (2026): Juli

Implementasi Model Hybrid IndoBERT-LinearSVC untuk Deteksi Spam Judol Obfuscated pada Komentar YouTube

Danang Budiman Hidayat (Universitas Muria Kudus)
Ahmad Abdul Chamid (Universitas Muria Kudus)
Ahmad Jazuli (Universitas Muria Kudus.)



Article Info

Publish Date
15 Jul 2026

Abstract

Online gambling (judol) spam comments on Indonesian YouTube are disguised using obfuscated text techniques, substituting non-standard Unicode characters designed to bypass string-matching moderation systems. Vocabulary-based Natural Language Processing (NLP) models such as IndoBERT risk representation degradation as tokenizers map non-standard characters to unknown ([UNK]) tokens. This study implemented a hybrid model using a Dual-Track Preprocessing architecture combining IndoBERT [CLS] vectors from normalized text with TF-IDF character N-Gram LinearSVC features from raw Unicode text via sparse matrix concatenation. Experiments on 6,000 YouTube judol comments show the hybrid model achieving Accuracy=0.9978, Precision=0.9956, Recall=1.0000, F1-Score=0.9978 on the test set, identical to standalone IndoBERT and outperforming standalone LinearSVC (F1=0.9944). The hybrid model preserved IndoBERT peak performance while fully closing the 4-comment obfuscated-spam gap missed by LinearSVC, with no performance penalty from fusion. Keywords: Character N-Gram; Gambling Spam Detection; Hybrid Model; IndoBERT; LinearSVC Abstrak Komentar spam judi online (judol) di YouTube Indonesia disamarkan menggunakan teknik obfuscated text, yakni substitusi karakter Unicode non-standar yang dirancang untuk menghindari sistem moderasi berbasis pencocokan string. Model Natural Language Processing (NLP) berbasis kosakata seperti IndoBERT berisiko mengalami degradasi representasi karena tokenizer memetakan karakter non-standar ke token tidak dikenal ([UNK]). Penelitian ini mengimplementasikan model hybrid dengan arsitektur Dual-Track Preprocessing yang menggabungkan vektor [CLS] IndoBERT dari teks ternormalisasi dan fitur TF-IDF karakter N-Gram LinearSVC dari teks Unicode mentah melalui konkatenasi sparse matrix. Eksperimen pada 6.000 sampel komentar judol YouTube menunjukkan model hybrid mencapai Accuracy=0,9978, Precision=0,9956, Recall=1,0000, F1-Score=0,9978 pada test set, identik dengan IndoBERT standalone dan unggul atas LinearSVC standalone (F1=0,9944). Model hybrid mempertahankan kinerja puncak IndoBERT sekaligus menutup seluruh celah 4 komentar obfuscated yang terlewat oleh LinearSVC, tanpa penalti performa dari proses fusi.

Copyrights © 2026






Journal Info

Abbrev

progresif

Publisher

Subject

Computer Science & IT Control & Systems Engineering

Description

Progresif: Jurnal Ilmiah Komputer adalah Jurnal Ilmiah bidang Komputer yang diterbitkan secara periodik dua nomor dalam satu tahun, yaitu pada bulan Februari dan Agustus. Redaksi Progresif: Jurnal Ilmiah Komputer menerima Artikel hasil penelitian atau atau artikel konseptual bidang ...