Deteksi Spam pada Trending Topik Twitter berbahasa indonesia berbasis Artificial Neural Network

ABSTRAK

Dalam beberapa tahun terkahir, perkembangan media sosial sangatlah cepat. media sosial sudah menjadi bagian dari kehidupan. Salah satu media sosial yang populer adalah Twitter. Twitter merupakan media sosial dengan basis micro-blogging yang dapat digunakan untuk membagikan teks, gambar, dan video. Salah satu fitur unggulan dari Twitter adalah trending topik, fitur tersebut menampilkan hashtag atau kata yang sedang ramai diperbincangkan. Bagi developer, Twitter membuka akses Application Programming Interface (API) sehingga informasi dapat diakses lebih mudah dan memungkinkan untuk membuat aplikasi pihak ketiga. Hal tersebut kemudian banyak disalahgunakan untuk memposting tweet spam dengan menumpang hashtag atau kata yang sedang menjadi trending di fitur trending topik. Dengan banyaknya spam tweet yang terdapat dalam trending topik Twitter menyebabkan informasi yang didapatkan pengguna menjadi tidak relevan. Oleh karena itu proses deteksi tweet spam sangat penting dilakukan sehingga pengguna bisa mendapatkan informasi yang relevan terkait dengan topik yang sedang menjadi trending. Dalam penelitian deteksi spam ini metode yang digunakan adalah metode Artificial Neural Network dan metode Artificial Neural Network dengan optimasi Stochastic Gradient Descent. Hasil penelitian menunjukkan metode Artificial Neural Network memiliki akurasi sebesar 88.7% dan metode Artificial Neural Network dengan optimasi Stochastic Gradient Descent memiliki akurasi sebesar 85.48%

ABSTRACT

In recent years, the growth of social media has been very fast. Social media has become a part of life. One of the popular social media is Twitter. Twitter is a social media based on micro-blogging that can be used to share text, images and videos. One of Twitter's superior features is trending topics, this feature displays hashtags or words that are currently being widely discussed. For developers, Twitter gives the access to Application Programming Interface (API) so the information can be accessed more easily and makes it possible to create third-party applications. This is then widely misused to post spam tweets by using hashtags or words that are currently trending in the trending topic feature. With the large number of spam tweets contained in trending Twitter topics, the information obtained by users becomes irrelevant. Therefore, the process of detecting spam tweets is very important so that users can get relevant information related to topics that are currently trending. In this spam detection research, the methods used are the Artificial Neural Network method and the Artificial Neural Network method with Stochastic Gradient Descent optimization. The research results show that the Artificial Neural Network method has an accuracy of 88.7% and the Artificial Neural Network method with Stochastic Gradient Descent optimization has an accuracy of 85.48%

مستخلص البحث

في السنوات الأخيرة، كان تطور وسائل التواصل الاجتماعي سريعًا جدًا. أصبحت وسائل التواصل الاجتماعي جزءًا من الحياة. أحد وسائل التواصل الاجتماعي الشهيرة هو تويتر. تويتر عبارة عن وسيلة تواصل اجتماعية تعتمد على المدونات الصغيرة التي يمكن استخدامها لمشاركة النصوص والصور ومقاطع الفيديو. إحدى الميزات الرائعة في تويتر هي المواضيع الشائعة، حيث تعرض هذه الميزة علامات التصنيف أو الكلمات التي يتم مناقشتها حاليًا على نطاق واسع. بالنسبة للمطورين، يفتح تويتر الوصول إلى واجهة برمجة التطبيقات بحيث يمكن الوصول إلى المعلومات بسهولة أكبر ويجعل من الممكن إنشاء تطبيقات الطرف الثالث. يتم بعد ذلك إساءة استخدام هذا على نطاق واسع لنشر تغريدات غير مرغوب فيها باستخدام علامات التصنيف أو الكلمات الرائجة حاليًا في ميزة الموضوع الرائج. مع العدد الكبير من التغريدات غير المرغوب فيها الموجودة في مواضيع تويتر الشائعة، تصبح المعلومات التي يحصل عليها المستخدمون غير ذات صلة. ولذلك، فإن عملية اكتشاف التغريدات غير المرغوب فيها مهمة جدًا حتى يتمكن المستخدمون من الحصول على المعلومات ذات الصلة المتعلقة بالموضوعات الشائعة حاليًا. في هذا البحث الخاص بالكشف عن البريد العشوائي، الأساليب المستخدمة هي طريقة الشبكة العصبية الاصطناعية وطريقة الشبكة العصبية الاصطناعية مع تحسين التدرج العشوائي. أظهرت نتائج البحث أن دقة طريقة الشبكة العصبية الاصطناعية تبلغ %٧.٨٨، ودقة طريقة الشبكة العصبية الاصطناعية مع تحسين التدرج العشوائي بنسبة %٤٨.٨٥