Nst, Nahdah Fikriah (2025) IMPLEMENTASI FEW-SHOT LEARNING UNTUK KLASIFIKASI KOMENTAR AKUN ASLI DAN AKUN BOT DI YOUTUBE MENGGUNAKAN MODEL TRANSFORMERS-BASED. S1 thesis, Universitas Malikussaleh.

	Text Nahdah Fikriah Nst_210170244_Cover.pdf Download (168kB)
	Text Nahdah Fikriah Nst_210170244_Abstrak.pdf Download (164kB)
	Text Nahdah Fikriah Nst_210170244_Bab I.pdf Download (204kB)
	Text Nahdah Fikriah Nst_210170244_Daftar Pustaka.pdf Download (183kB)
	Text Nahdah Fikriah Nst_210170244_Implementasi Few-Shot Learning Untuk Klasifikasi Komentar Akun Asli Dan Akun Bot Di YouTube Menggunakan Model Transformers-Based.pdf Restricted to Registered users only Download (6MB)

Abstract

Di era digital, keberadaan akun bot yang menyamar sebagai pengguna asli di kolom komentar YouTube menjadi masalah serius karena berpotensi menyebarkan spam, disinformasi, hingga memengaruhi opini publik. Tantangan terbesar dalam mendeteksi komentar dari akun bot adalah keterbatasan data berlabel, yang membuat pendekatan pembelajaran konvensional menjadi kurang efektif. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi komentar akun asli dan bot menggunakan pendekatan Few-shot learning berbasis model Transformers, khususnya DistilBERT, yang dikenal efisien dan andal dalam memahami konteks bahasa alami. Model dilatih dalam skenario Few-shot (N5 hingga N50) dengan jumlah data pelatihan yang sangat terbatas. Hasil eksperimen menunjukkan bahwa performa model tetap stabil dan akurat, bahkan pada jumlah data pelatihan minimal (N5), dengan F1-score mencapai lebih dari 0,90. Sistem ini kemudian diimplementasikan dalam bentuk aplikasi web menggunakan Flask, yang memungkinkan pengguna melakukan deteksi komentar secara langsung dan interaktif. Penelitian ini menunjukkan bahwa kombinasi antara Few-shot learning dan Transformers-based model dapat menjadi solusi praktis dan efisien untuk mendeteksi komentar bot di YouTube, bahkan dalam kondisi data yang terbatas.

Item Type:	Thesis (S1)
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Nahdah Fikriah Nst
Date Deposited:	22 Aug 2025 03:33
Last Modified:	22 Aug 2025 03:33
URI:	https://rama.unimal.ac.id/id/eprint/14209

Actions (login required)

View Item