Implementasi Algoritma SVM dalam Klasifikasi Komentar Judi Online menggunakan RapidMiner
DOI:
https://doi.org/10.65371/metrokom.v2i2.122Kata Kunci:
Klasifikasi Teks, Komentar Judi Online, Support Vector Machine, RapidManerAbstrak
Penyebaran komentar negatif yang mengandung unsur perjudian daring di platform digital semakin memengaruhi pengguna. Untuk mengatasi masalah ini, penelitian ini menerapkan algoritma Support Vector Machine (SVM) untuk mengklasifikasikan komentar ke dalam dua kategori: komentar yang mengandung unsur perjudian daring dan komentar yang tidak mengandung unsur tersebut. Proses klasifikasi dilakukan menggunakan perangkat lunak RapidMiner, yang memungkinkan pemrosesan data tanpa memerlukan pengkodean yang ekstensif. Dataset yang digunakan diperoleh dari situs web Kaggle dan terdiri dari 8.442 komentar. Data tersebut menjalani tahap pra-pemrosesan seperti tokenisasi, normalisasi, dan penghapusan stopword. Model SVM diuji dan dievaluasi menggunakan validasi silang dan metrik evaluasi, dengan akurasi 97,91%, presisi 96,94%, recall 99,81%, dan skor F1 98,45%. Hasil menunjukkan bahwa model SVM mencapai akurasi 97,91%, dengan presisi dan recall yang tinggi di kedua kelas. Hal ini menunjukkan bahwa algoritma SVM efektif dan efisien dalam mendeteksi secara otomatis komentar yang mengandung unsur perjudian daring dan cocok untuk diimplementasikan sebagai sistem moderasi konten pada platform digital.
Referensi
Admojo, F. T., & Sulistya, Y. I. (2022). Analisis performa algoritma Stochastic Gradient Descent (SGD) dalam mengklasifikasi tahu berformalin. Indonesian Journal of Data and Science, 3(1), 1–8.
Fashakh, A. M., Çevik, M., Aydoğan, Ş. K., & Ibrahim, A. A. (2025). Detection cyberbullying using AI and sentiment analysis to examine psychological impacts on vulnerable groups. Egyptian Informatics Journal, 32, 100856. https://doi.org/https://doi.org/10.1016/j.eij.2025.100856
Ghifari, A. G., Ananada, G. Y., & Purwandari, K. (2025). A Comparative Sentiment Analysis of Public Opinion on Indonesia’s National Football Coach Using CRNN and SVM. Procedia Computer Science, 269, 1485–1493. https://doi.org/https://doi.org/10.1016/j.procs.2025.09.090
Gibran, M. K., Rifki, M. I., Hasugian, A. H., Siahaan, A. T. A. A., Sahputra, A., & Ong, R. (2024). Sentiment Analysis of Platform X Users on Starlink Using Naive Bayes. Instal: Jurnal Komputer, 16(03), 210–220. https://doi.org/10.54209/jurnalinstall.v16i03.240
Gupta, V., & Rattan, D. P. (2023). Improving Twitter Sentiment Analysis Efficiency with SVM-PSO Classification and EFWS Heuristic. Procedia Computer Science, 230, 698–715. https://doi.org/https://doi.org/10.1016/j.procs.2023.12.125
Isnain, A. R., Sakti, A. I., Alita, D., & Marga, N. S. (2021). Sentimen analisis publik terhadap kebijakan lockdown pemerintah Jakarta menggunakan algoritma SVM. Jdmsi. https://doi.org/10.33365/jdmsi.v2i1.1021
Jadidah, I. T., Lestari, U. M., Fatiha, K. A. S., Riyani, R., & Wulandari, C. A. (2023). Analisis maraknya judi online di Masyarakat. Jurnal Ilmu Sosial Dan Budaya Indonesia, 1(1), 20–27. https://doi.org/https://doi.org/10.61476/8xvgdb22
Ma, Y. (2025). Construction and Data Analysis of a New Media Content Popularity Prediction Model Based on Naive Bayes Algorithm. Procedia Computer Science, 261, 294–302. https://doi.org/https://doi.org/10.1016/j.procs.2025.04.207
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
Mesanda, Z., & Sitompul, B. A. (2025). Sentiment Analysis of Instagram Comments on Capital Relocation Using SVM and Random Forest. Jurnal Metrokom : Media Teknik Elektro Dan Komputer, 2(1), 66–79. https://doi.org/10.65371/metrokom.v2i1.59
Muhathir, M., Santoso, M. H., & Larasati, D. A. (2021). Wayang image classification using SVM method and GLCM feature extraction. Journal Of Informatics And Telecommunication Engineering, 4(2), 373–382. https://doi.org/10.31289/jite.v4i2.4524
Pangestu, A. D., & Harahap, L. S. (2024). Analisis Sentimen Terkait Judi Online di Media Sosial Instagram Menggunankan Naïve Bayes. Indonesian Journal of Education and Development Research, 3(1), 556–561. https://doi.org/https://doi.org/10.57235/ijedr.v3i1.4798
Rahmat, A., Syafiih, M., & Faid, M. (2023). Implementasi Klasifikasi Potensi Penyakit Jantung Dengan Menggunakan Metode C4. 5 Berbasis Website (Studi Kasus Kaggle. Com). INFOTECH Journal, 9(2), 393–400. https://doi.org/10.31949/infotech.v9i2.6295
Rambe, M. R. A., Zufria, I., & Rifki, M. I. (2025). Analisis Sentimen Masyarakat pada Platform Media Sosial X (Twitter) terhadap Pelantikan Kabinet Merah Putih Menggunakan Bernoulli Naïve Bayes. DEVICE: JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY, 6(1), 83–102. https://doi.org/10.46576/device.v6i1.6360
Romano, M., & Conversano, C. (2025). Stairway to heaven: An emotional journey in Divina Commedia with threshold-based Naïve Bayes classifier. Machine Learning with Applications, 19, 100613. https://doi.org/https://doi.org/10.1016/j.mlwa.2024.100613
Simanjuntak, N., & Muhammad, A. H. (2025). Analisis Perbandingan Algoritma SVM dan CNN dalam Mendeteksi Website Judi Online Berdasarkan Konten Teks. Bulletin of Computer Science Research, 5(4), 361–371. https://doi.org//10.47065/bulletincsr.v5i4.586
Sutoyo, E., & Permana, M. C. (2025). Enhancing telemedicine service quality through sentiment analysis of user review dataset in Indonesia. Data in Brief, 61, 111878. https://doi.org/https://doi.org/10.1016/j.dib.2025.111878
