PROPOSAL TUGAS AKHIR

KLASIFIKASI KOMENTAR SPAM PADA YOUTUBE MENGGUNAKAN

METODE K-NEAREST NEIGHBOR

Disusun untuk Memenuhi Proyek Penambangan Data Text

Disusun Oleh :
Rizki Nardianto (180411100069)
Regita Dwi Indah Cahyani (180411100013)
Yusrotul Hasanah (180411100130)

Dosen Pembimbing
Husni, S.Kom., M.Kom.

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK
UNIVERSITAS TRUNOJOYO MADURA
2021
 BAB I
PENDAHULUAN

A. Latar Belakang
Dalam keseharian, banyak masyarakat yang menggunakan media
sosial untuk berbagai kepentingan, seperti berkomunikasi, berbagi
momen sehari-hari, hingga berdagang. Media yang digunakan juga
berbeda-beda, seperti menggunakan tulisan (status dan tweet), foto,
maupun video. Orang-orang yang mngikuti pengguna media sosial
(friend, followers, subscriber) pun bisa memberikan komentar terkait hal
yang dibagikan tersebut. Namun hal ini terkadang dimanfaatkan oleh
beberapa pihak untuk mengambil keuntungan atau setidaknya merugikan
orang lain dengan komentar yang tidak relevan dengan objek yang
dibagikan atau di-posting. Contohnya adalah komentar yang berisi tautan
atau link yang mencurigakan, Komentar tersebut bisa berbahaya karena
bisa saja tautan tersebut menyebarkan hal-hal yang tidak diinginkan
hingga menyebabkan kerugian bagi penggunanya seperti kerusakan
perangkat atau penyalahgunaan data pribadi yang didapatkan. Selain itu,
contoh lainnya adalah buzzer yang membagikan komentar tidak relevan
dan terus-menerus dengan tujuan lain. Hal ini dapat mengganggu
kenyamanan pengguna dalam menggunakan media sosial.
Untuk mengatasi masalah tersebut diperlukan upaya untuk
menyaring konten-konten yang dibagikan secara otomatis. Beberapa
penelitian sudah dilakukan dalam penanganan terkait spam.
perbandingan metode klasifikasi akan terus dilakukan pada berbagai
kasus untuk mencari metode yang optimal pada setiap kasus.
Pada jurnal ini akan dilakukan perbandingan metode klasifikasi
dengan kasus mendeteksi atau menyaringspam pada komentar di
Youtube. Metode yang digunakan adalah K-Nearest Neighbors dengan
beberapa pendekatan yang ada berdasarkan library yang terdapat pada
scikitlearn.org. Pendekatan yang ada yaitu pada K-Nearest Neighbors
dilakukan atau digunakan K yang berbeda, yaitu K = 1, K = 3, dan K = 5.
B. Rumusan Masalah
Rumusan masalah menurut latar belakang tersebut adalah :
 Bagaimana mengetahui akurasi medote K-Nearest Neighbor pada
dataset komentar spam youtube

C. Batasan Masalah
Batasan masalah pada penelitian ini adalah :
 Data yang digunakan merupakan spam dari komentar media
youtube
 Metode yang digunakan adalah K-Nearest Neighbor

D. Tujuan Penelitian
Tujuan dari penelitian ini adalah :
 Mengetahui akurasi permodelan K-Nearest Neighbor pada dataset
komentar spam dari youtube

E. Manfaat Penelitian
Dengan membuat sistem klasifikasi komentar spam ini diharapkan dapat
membantu dalam pengkelasan dalam komentar youtube yang berbenruk
spam.

F. Metodologi
Dengan adanya Proyek “Klasifikasi Komentar Spam Pada Youtube
Menggunakan Metode K-Nearest Neighbor” merupakan elemen yang
mendasar dari sebuah chanel youtube dalam menanggapi komentar. Dan
langkah-langkah yang akan di tempuh sebagai berikut:

 Menyiapkan dataset
 Pembersihan dataset dari nois
 Pembobotan kata/ future extractions (TF-IDF)
 Permodelan menggunakan KNN
 Evaluasi

G. Penutup
Demikian lah proposal sistem klasifikasi komentar spam youtube ini
saya buat. Semoga proposal ini dapat diterima dan dapat bermanfaat bagi
kita semua. Tidak lupa saya ucapkan puji dan syukur kepada Allah swt.
Atas segala waktu dan perhatiannya saya ucapkan terimakasih.