WANDA, M (2026) DETEKSI KOMENTAR YANG DI ANGGAP BOT PADA BERITA DENGAN MENGGUNAKAN METODE BERT. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (118kB)
	Text Abstrak.pdf Download (186kB)
	Text Bab I.pdf Download (215kB)
	Text Daftar Pustaka.pdf Download (190kB)
	Text Full-text.pdf Restricted to Registered users only Download (2MB)

Abstract

Perkembangan teknologi informasi meningkatkan interaksi pengguna pada kolom komentar berita, namun turut memunculkan komentar buatan akun bot yang menurunkan kualitas diskusi, menyebarkan misinformasi, dan memengaruhi opini publik. Metode deteksi berbasis aturan maupun machine learning konvensional masih terbatas dalam memahami konteks bahasa secara mendalam. Penelitian ini menerapkan model IndoBERT, varian BERT yang dioptimalkan untuk bahasa Indonesia, untuk mendeteksi komentar bot berdasarkan pola linguistik dan konteks semantik menggunakan pendekatan Natural Language Processing (NLP). Data penelitian berupa 1.000 komentar yang terbagi seimbang menjadi 500 komentar bot dan 500 komentar manusia dikumpulkan melalui teknik web scraping dari enam portal berita dan forum Indonesia, yaitu Detik.com, Kompas.com, Kompasiana.com, Kaskus.co.id, Quora.com, dan CNN Indonesia. Tahapan penelitian meliputi pengumpulan data, pelabelan, preprocessing, pembagian data menjadi 70% data latih dan 30% data uji, pelatihan dan fine-tuning model IndoBERT, serta evaluasi menggunakan Accuracy, Precision, Recall, F1-Score, dan Matthews Correlation Coefficient (MCC). Hasil pengujian menunjukkan performa yang sangat baik dengan Accuracy 95,67%, Precision 91,56%, Recall 100%, F1-Score 95,59%, dan MCC 0,9164, mengungguli model pembanding Random Forest yang memperoleh F1-Score 91,84%. Model IndoBERT selanjutnya diimplementasikan dalam aplikasi web sebagai solusi praktis untuk mendukung proses deteksi komentar bot secara otomatis. Hasil penelitian menunjukkan bahwa IndoBERT efektif mengidentifikasi komentar bot dan berpotensi dikembangkan lebih lanjut sebagai sistem moderasi komentar pada platform berita di masa mendatang.

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 T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	M wanda
Date Deposited:	30 Sep 2026 04:00
Last Modified:	30 Sep 2026 04:00
URI:	https://rama.unimal.ac.id/id/eprint/23313

Actions (login required)

View Item