Integrasi IndoBERTweet-GraphSAGE dalam Sistem Deteksi Komentar Promosi Judi Online di Youtube Berbasis Relasi Struktural Semantik dan Perilaku Pengguna = Integration of IndoBERTweet-GraphSAGE in an Online Gambling Promotion Comment Detection System on YouTube Based on Structural Relation of Semantic and Behavioral Features

Latar belakang. Komentar promosi judi online pada platform YouTube menjadi salah satu bentuk penyalahgunaan ruang digital yang terus berkembang dan sulit dideteksi secara otomatis. Tantangan utama terletak pada kemiripan semantik antara komentar spam dan komentar normal, penggunaan pola bahasa yang variatif, serta adanya strategi penyebaran terkoordinasi yang melibatkan banyak akun dalam waktu berdekatan. Pendekatan deteksi berbasis teks murni kerap gagal mengenali pola perilaku promosi terstruktur tersebut karena tidak mempertimbangkan hubungan antar pengguna dan dinamika interaksi dalam komentar. Tujuan. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi sistem deteksi komentar promosi judi online berbasis relasi struktural fitur semantik dan perilaku pengguna menggunakan arsitektur hybrid IndoBERTweet-GraphSAGE. Metode. Penelitian menggunakan data komentar YouTube hasil scraping dan melalui tahapan data labeling, exploratory data analysis, data preprocessing, modeling & training, model evaluation, adjust model dengan reverse ablation study berbagai skenario yang mencakup pemilihan fitur behavioral dan konfigurasi tipe edge pada graph. Model dengan konfigurasi terbaik akan dianalisis menggunakan Stratified K-Fold Cross Validation untuk mengetahui kestabilan dan keandalan model dalam menghadapi kondisi data tidak seimbang (imbalanced data). Setelah itu, proses diakhiri dengan integrasi sistem ke dalam aplikasi web. Hasil. Kombinasi fitur semantik dan perilaku pengguna menghasilkan performa terbaik dengan F1-Score 99,61% pada data pengujian utama. Selain itu, hasil evaluasi menggunakan Stratified 5-Fold Cross Validation menunjukkan nilai F1-score rata-rata sebesar 0,9856 ± 0,0052, yang mengindikasikan bahwa model relatif aman dan andal untuk digunakan pada distribusi data yang tidak seimbang. Proses validasi terakhir dilakukan pada 186 komentar baru yang dikumpulkan lima bulan setelah pelatihan menunjukkan F1-Score 97,30%, menandakan kemampuan generalisasi yang baik. Model terbaik telah diintegrasikan ke dalam aplikasi web untuk mendukung proses moderasi komentar secara efisien. Kesimpulan. Integrasi representasi semantik dan relasi struktural berbasis perilaku pengguna berperan penting dalam meningkatkan kemampuan sistem untuk mendeteksi komentar promosi judi online di YouTube. Pemodelan menggunakan struktur graph memungkinkan identifikasi pola perilaku promosi terkoordinasi yang tidak dapat ditangkap hanya melalui analisis konten teks secara individual. Pendekatan ini relevan sebagai solusi untuk mendukung upaya menjaga ekosistem YouTube agar tetap bersih dari promosi judi online.