Text
Analisis deteksi akun robot pada Twitter menggunakan teknik machine learning
Twitter merupakan media sosial yang populer dan memiliki perkembangan pesat dalam situs jejaring sosial. Popularitas dan sifatnya yang sangat terbuka menjadikan
Twitter sebagai target untuk dieksploitasi oleh program otomatis, yang disebut bot. Bot dapat digunakan untuk melakukan aktivitas seperti spamming, memanipulasi
diskusi, mengubah popularitas pengguna, mencemari konten, menyebarkan informasi yang salah, dan melakukan propaganda. Salah satu langkah yang dilakukan pemerintah dalam hal ini Badan Siber dan Sandi Negara (BSSN) terkhusus Subdirektorat Deteksi Sosiokultural untuk mengurangi dan menanggulangi pengaruh negatif dari akun botyaitu dengan menjalankan monitoring media sosial dan melakukan deteksi akun bot. Namun, BSSN belum memiliki alat untuk melakukan deteksi akun bot. Penelitian ini dilakukan untuk memberikan perspektif baru dalam mengkaji peluang suatu akun terdeteksi sebagai akun bot menggunakan teknik Machine Learning. Algoritme yang digunakan adalah Random Forest dan XGBoost. Data profil didapatkan dari Kaggle dan Subdirektorat Deteksi Sosiokultural. Penelitian dimulai dengan melakukan Exploratory Data Analysis (EDA) untuk mengetahui kondisi dataset yang digunakan. Tahap selanjutnya yaitu pemodelan yang mencakup proses feature engineering,feature selection, hyperparameter tuning, dan benchmarking algoritme. Hasil dari penelitian ini menunjukkan bahwa algoritme XGBoost lebih unggul dari Random Forest, dengan hasil akhir akurasi XGBoost 0.8908 sedangkan Random Forest 0.8762, sehingga algoritme yang digunakan untuk tahap selanjutnya adalah XGBoost. Tahap akhir dari penelitian ini yaitu implementasi model prediksi dalam bentuk dashboard menggunakan framework Flask dengan hasil analisis deteksi bot berupa skor probabilitas.
No other version available