Deteksi Twitter Bot menggunakan Klasifikasi Decision Tree

Abstract

Advance development of social media application has affected to human lifestyle. Everyone can obtain information from social media easyly. Its become easier to communicate each other using social media. Twitter is one of the fastest growing social media application. Deliver good and hoax information from one user to another. Event there are alot of fake account (bot) in Twitter. This objection of this study is to detect Twitter Bot accounts on Twitter social media by using the Decission Tree classification. Experiment results show the accuracy performance of the Decision Tree model reached 88.84% and UC curve by 0.965. Its shows that the Decision Tree classification is excellent in detecting Twitter Bot accounts.

Pengaruh Seleksi Fitur Pada Tingkat Akurasi Metode Random Forest Untuk Identifikasi Akun Buzzer Tweet Tokoh Politik Indonesia

“…Fenomena buzzer juga dapat menyebabkan misinformasi dikalangan masyarakat terutama mendekati tahun-tahun pemilu. Pada penelitian ini akan dilakukan penggabungan dan pembuatan kombinasi fitur dari penelitian sebelumnya [8][9][10] [11] fitur yang akan digunakan yaitu fitur yang berfokus pada user based features yang akan digabungkan dan dibuat beberapa kombinasi fitur dari beebrapa fitur yang sudah didapat dari penelitian tersebut, dari banyaknya fitur yang didapat akan dilakukan seleksi fitur menggunakan metode Spearman Correlation-base Feature Selection (SCFS) dengan data baru.Untuk proses identifikasi akan dilkakukan dengan metode klasifikasi dengan menggunakan metode pembelajaran Random Forest yang menurut penelitian [10] cukup baik untuk melakukan klasifikasi terhadap data twitter. Sehingga hasil dari penelitian ini diharapkan dapat berkontribusi sebagai tambahan referensi untuk penelitian berikutnya yang serupa baik dalam metode maupun objek yang di teliti.…”

“…Penelitian sebelumnya merujuk kepada studi yang telah dilakukan sebelumnya dan berfungsi sebagai landasan bagi penelitian yang sedang dilakukan dengan mengadopsi beberapa teori dan metode dari penelitian sebelumnya. Tabel 1 merupakan beberapa penelitian mengenai identifikasi akun buzzer [8] Tabel 1 menunjukan fitur yang digunakan pada penelitian [8][9][10] [11] beserta hasil yang di capai oleh masing-masing penelitian.…”

TF-IDF Weighting to Detect Spammer Accounts on Twitter based on Tweets and Retweet Representation of Tweets

“…H. Kurniawan Penelitian[13] melakukan deteksi spammer dengan menggunakan metode decision Tree. Data yang digunakan yaitu verified-2019, botwiki-2019, cresci-rtbust-2019, dan botometerfeedback-2019.…”