Identifikasi iklan judi online pada website menggunakan model multimodal Deit-Small dan Indobert

Ferdian, Rafli Pratama (2026) Identifikasi iklan judi online pada website menggunakan model multimodal Deit-Small dan Indobert. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text 1_cover.pdf Download (131kB) | Preview
Preview	Text 2_abstrak.pdf Download (408kB) | Preview
Preview	Text 3_skbebasplagiarism.pdf Download (337kB) | Preview
Preview	Text 4_daftarisi.pdf Download (489kB) | Preview
Preview	Text 5_bab1.pdf Download (2MB) | Preview
	Text 6_bab2.pdf Restricted to Registered users only Download (6MB) | Request a copy
	Text 7_bab3.pdf Restricted to Registered users only Download (5MB) | Request a copy
	Text 8_bab4.pdf Restricted to Registered users only Download (8MB) | Request a copy
	Text 9_bab5.pdf Restricted to Registered users only Download (649kB) | Request a copy
	Text 10_daftarpustaka.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text 11_lampiran.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Penelitian ini berada pada bidang kecerdasan buatan, khususnya deep learning multimodal yang menggabungkan computer vision dan natural language processing untuk identifikasi konten digital. Permasalahan yang diangkat adalah penyebaran iklan judi online pada website yang sering disamarkan melalui tampilan visual, istilah promosi, dan teks yang tertanam di dalam gambar. Pendekatan sebelumnya yang hanya bergantung pada satu modalitas atau penggabungan keputusan akhir dapat mengalami penurunan performa ketika teks hasil OCR tidak tersedia. Penelitian ini bertujuan merancang dan mengimplementasikan model Feature-Level Fusion menggunakan DeiT-Small sebagai ekstraktor fitur visual dan IndoBERT sebagai ekstraktor fitur tekstual, serta membandingkan ketangguhannya dengan Decision-Level Fusion. Metode penelitian mengikuti kerangka CRISP-DM yang mencakup business understanding, data understanding, data preparation, modelling, dan evaluation. Dataset berupa gambar tangkapan layar website kelas judi dan non-judi yang berasal dari Kaggle serta pengumpulan mandiri. Data diproses melalui seleksi kualitas, ekstraksi OCR, preprocessing, pembagian data, training model, OCR masking, dan evaluasi pada skenario normal serta stress test. Hasil terbaik diperoleh pada Feature-Level Fusion dengan OCR masking 20%. Pada skenario normal, model memperoleh accuracy 97,85%, precision 99,48%, recall 96,02%, dan F1-score 97,72%. Pada stress test, model tetap memperoleh accuracy 95,69%, precision 99,46%, recall 91,54%, dan F1-score 95,34%, sedangkan Decision-Level Fusion turun menjadi F1-score 0,00%. Hasil ini menunjukkan bahwa Feature-Level Fusion lebih tangguh ketika informasi teks tidak tersedia saat evaluasi, sehingga lebih sesuai untuk sistem deteksi konten ilegal berbasis website yang adaptif.

Actions (login required)

View Item