Integration of REST-Based Web Service and Browser Extension for Instagram Spam Detection

Chrismanto, Antonius Rachmat; Raharjo, Willy Sudiarto; Lukito, Yuan

doi:10.14569/ijacsa.2018.091253

Cited by 2 publications

(3 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Pada akhir penelitian tahap kedua telah dihasilkan web services REST yang siap pakai [5]. Prototipe browser extension juga telah dibuat pada tahap kedua namun masih sangat dasar karena menggunakan GreaseMonkey, bukan extension yang sebenarnya [6].…”

Section: Kata Kunci-firefox Extension Deteksi Komentar Spam Instagrunclassified

“…Dari hasil-hasil tersebut, diperoleh metode terbaik saat ini adalah metode k-NN, sehingga pada penelitian tahun 2018 dilanjutkan dengan melakukan pengembangan layanan deteksi komentar spam berbasis web services pada Amazon Web Services (AWS). Berbasis REST service yang telah dikembangkan [5], maka penelitian ini akan menggunakan layanan yang ada untuk dilanjutkan dengan pengembangan browser extension yang bukan hanya sekedar prototipe [6] sehingga dapat langsung digunakan oleh pengguna IG secara umum untuk mendeteksi komentar spam berbahasa Indonesia.…”

Section: Kata Kunci-firefox Extension Deteksi Komentar Spam Instagrunclassified

See 1 more Smart Citation

Firefox Extension untuk Klasifikasi Komentar Spam pada Instagram Berbasis REST Services

Chrismanto¹,

Raharjo²,

Lukito³

2019

JEPIN

Self Cite

View full text Add to dashboard Cite

Klasifikasi komentar spam pada Instagram (IG) hanya dapat digunakan oleh pengguna melalui sistem yang berjalan di sisi client, karena data IG tidak dapat dimanipulasi dari luar IG. Dibutuhkan sistem yang dapat memanipulasi data dari sisi client dalam bentuk browser extension. Penelitian ini berfokus pada pengembangan browser extension untuk Firefox yang memanfaatkan web services REST pada layanan cloud dengan platform Amazon Web Services (AWS). Browser extension yang dikembangkan menggunakan 2 algoritma klasifikasi, yaitu KNN dan Distance-Weighted KNN (DW-KNN). Extension ini mampu menandai komentar spam dengan mengubah Document Object Model (DOM) IG menjadi berwarna merah dengan dicoret (strikethrough). Metode pengembangan extension dilakukan dengan metode Rapid Application Development (RAD). Pengujian pada penelitian ini dilakukan pada hasil implementasi browser extension dan pengukuran akurasi web service (algoritma KNN & DW-KNN). Pengujian implementasi browser extension menggunakan metode pengujian fungsionalitas, dimana setiap fitur yang telah diimplementasikan diuji apakah sudah sesuai dengan spesifikasi yang telah ditentukan sebelumnya. Pengujian akurasi web service dilakukan dengan bantuan tool SOAPUI. Hasil pengujian extension adalah: (1) pengujian extension pada sembarang halaman web berhasil 100%, (2) pengujian pada halaman awal (default) IG berhasil 100%, (3) pengujian pada halaman profile suatu akun IG berhasil 100%, (4) pengujian pada suatu posting IG dan komentarnya, tidak selalu berhasil karena dipengaruhi oleh kemampuan algoritma pada web services, (5) pengujian untuk bahasa bukan Indonesia tidak selalu berhasil karena bergantung pada library bahasa, (6) pengujian untuk load more comments pada IG tidak selalu berhasil karena bergantung pada algoritma pada web services, dan (7) pengujian pilihan algoritma pada options extension berhasil 100%. Hasil akurasi rata-rata tertinggi algoritma KNN adalah 80% untuk k=1, sedangkan DW-KNN adalah 90% untuk k=2.

show abstract

Section: Kata Kunci-firefox Extension Deteksi Komentar Spam Instagrunclassified

Firefox Extension untuk Klasifikasi Komentar Spam pada Instagram Berbasis REST Services

Chrismanto¹,

Raharjo²,

Lukito³

2019

JEPIN

Self Cite

View full text Add to dashboard Cite

show abstract

“…In the previous research, the authors tried to develop a spam comment detection service on IG based on the REST web service [12]. The authors implemented it in a Firefox extension by ordinary users in the real world [13]. The actual implementation using browser extensions proves that the accuracy results are not good.…”

Section: Introductionmentioning

confidence: 99%

Spam Comments Detection on Instagram Using Machine Learning and Deep Learning Methods

Chrismanto

Afiahayati

Sari

et al. 2022

LKJITI

Self Cite

View full text Add to dashboard Cite

The more popular a public figure on Instagram (IG), the number of followers also increase. When a public figure posts something, there are many comments from other users. In fact, from all the comments, not all of them are relevant to the post, such as advertising, links, or clickbait comments. The type of comments that are irrelevant to the post is usually called spam comments. Spam comments will interfere with information flow and may lead to misleading information. This research compares machine learning (ML) and deep learning (DL) classification methods based on our collected Indonesian IG spam comment dataset. This research was conducted in the following steps: dataset preparation, pre-processing, simple normalization, features generation using TF-IDF and word embedding, application of ML and DL classification methods, performance evaluation, and comparison. The authors compare accuracy, F-1, precision, and recall from ML and DL results. This research shows that ML and DL methods do not significantly differ. The Linear SVM, Extreme Tree (ET), Regression, and Stochastics Gradient Descent algorithms can reach the accuracy of 0.93. At the same time, the DL method has the highest accuracy of 0.94 using the SimpleTransformer BERT architecture. The difference between ML and DL methods is not significantly different.

show abstract

Integration of REST-Based Web Service and Browser Extension for Instagram Spam Detection

Cited by 2 publications

References 13 publications

Firefox Extension untuk Klasifikasi Komentar Spam pada Instagram Berbasis REST Services

Firefox Extension untuk Klasifikasi Komentar Spam pada Instagram Berbasis REST Services

Spam Comments Detection on Instagram Using Machine Learning and Deep Learning Methods

Contact Info

Product

Resources

About