Firefox Extension untuk Klasifikasi Komentar Spam pada Instagram Berbasis REST Services

Antonius Rachmat Chrismanto, Willy Sudiarto Raharjo, Yuan Lukito

Abstract


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.


Keywords


Firefox extension; deteksi komentar spam; Instagram; KNN; DW-KNN

Full Text:

PDF

References


Darmawan, “Maxmanroe.com,” 2017. [Online]. Available: https://www.maxmanroe.com/belajar-instagram-marketing-dari-hasil-analisa-terhadap-26-akun-instagram-artis-indonesia.html.

F. K. Bohang, “Indonesia, Pengguna Instagram Terbesar se-Asia Pasifik,” 27 07 2017. [Online]. Available: https://tekno.kompas.com/read/2017/07/27/11480087/indonesia-pengguna-instagram-terbesar-se-asia-pasifik.

A. R. Chrismanto dan Y. Lukito, “Identifikasi Komentar Spam Pada Instagram,” Lontar Komputer, vol. 8, no. 3, pp. 219-231, 2017.

A. R. Chrismanto dan Y. Lukito, “Klasifikasi Komentar Spam Pada Instagram Berbahasa Indonesia Menggunakan K-Nn,” dalam Seminar Nasional Teknologi Informasi Kesehatan (SNATIK) 2017, Yogyakarta, 2017.

A. R. Chrismanto, W. S. Raharjo dan Y. Lukito, “Design and Development of REST-Based Instagram Spam Detector for Indonesian Language,” dalam ISEMANTIC 2018, Semarang, 2018.

R. A. Chrismanto, W. S. Raharjo dan Y. Lukito, “Integration of REST-Based Web Service and Browser Extension for Instagram Spam Detection,” International Journal of Advanced Computer Science and Applications, vol. 9, no. 12, December 2018.

A. Rachmat dan Y. Lukito, “Deteksi Komentar Spam Bahasa Indonesia Pada Instagram Menggunakan Naive Bayes,” Ultimatics, vol. 9, no. 1, 2017.

C. C. Diansheng Guo, “Detecting Non-personal and Spam Users on Geo-tagged Twitter Network,” Transaction in GIS, vol. 18, no. 3, pp. 370-384, 2014.

A. S. S. R. Imam Thoib, “Pengaruh Normalisasi Teks Dengan Text Expansion Dalam Deteksi,” Rekayasa Sistem dan Teknologi Informasi, vol. 2, no. 3, pp. 708-715, 2018.

S. Aiyara dan N. P. Shetty, “N-Gram Assisted Youtube Spam Comment Detection,” Procedia Computer Science, vol. 132, pp. 174-182, 8 June 2018.

D. I. C. P. De Wang, “A social-spam detection framework,” dalam Proceedings of the 8th Annual Collaboration, Electronic messaging, Anti-Abuse and Spam Conference, Perth, 2011.

O. W. Ali Akbar Septiandri, “Detecting spam comments on Indonesia's Instagram posts,” Journal of Physics: Conference Series (JPCS), vol. 801, no. 1, 2017.

W. Zhang dan H.-M. Sun, “Instagram Spam Detection,” dalam 22nd Pacific Rim International Symposium on Dependable Computing (PRDC), Christchurch, New Zealand, 2018.

A. Barth, “The Web Origin Concept,” December 2011. [Online]. Available: https://www.rfc-editor.org/rfc/rfc6454.txt. [Diakses 19 May 2019].

W. S. Raharjo dan A. Ashari, “IMPLEMENTASI ANNOTEA CLIENT BERBASIS WEB UNTUK MENGATASI ATURAN SAME ORIGIN POLICY,” dalam KNASTIK, Yogyakarta, Indonesia, 2009.

W3Counter, “Browser and Platform Market Share Desember 2018,” 31 December 2018. [Online]. Available: http://www.w3counter.com/globalstats.php?year=2018&month=12.

D. Rousset, “Creating One Browser Extension For All Browsers: Edge, Chrome, Firefox, Opera, Brave And Vivaldi,” 5 April 2017. [Online]. Available: https://www.smashingmagazine.com/2017/04/browser-extension-edge-chrome-firefox-opera-brave-vivaldi/.

S. A. C. Bukhari, M. Martínez-Romero, M. J. O. Connor, A. L. Egyedi, D. Willrett, J. Graybeal, M. A. Musen, K.-H. Cheung dan S. H. Kleinstein, “CEDAR OnDemand: a browser extension to generate ontology-based scientific metadata,” BMC Bioinformatics, vol. 19, no. 268, 16 July 2018.

O. Starov dan N. Nikiforakis, “PrivacyMeter: Designing and Developing a Privacy-Preserving Browser Extension,” International Symposium on Engineering Secure Software and Systems (ESSoS 2018), pp. 77-95, 2018.

L. O. deAvelar, G. C. Rezende dan A. P. Freire, “WebHelpDyslexia: A Browser Extension to Adapt Web Content for People with Dyslexia,” Procedia Computer Science, vol. Volume 67, no. 2015, pp. 150-159, 2015.

S. A. Dudani, “The Distance-Weighted k-Nearest-Neighbor Rule,” IEEE Transactions on Systems, Man, and Cybernetics, Vol. %1 dari %2SMC-6, no. 4, pp. 325 - 327, April 1976.

J. Gou, T. Xiong dan Y. Kuang, “A Novel Weighted Voting for K-Nearest Neighbor Rule,” JOURNAL OF COMPUTERS, vol. 6, no. 5, pp. 833-840, May 2011.

J. Gou, L. Du, Y. Zhang dan T. Xiong, “A New Distance-weighted k-nearest Neighbor Classifier,” Journal of Information & Computational Science, vol. 9, no. 6, p. 1429–1436, June 2012.

S. B. AKBEN, “A NEW METHOD FOR SELECTION OF NEIGHBORHOOD,” IU-JEE, vol. 16, no. 1, pp. 2021-2017, 2016.

Suyanto, Data Mining untuk Klasifikasi dan Klasterisasi Data, Bandung: Informatika, 2017.

M. Aci, C. İnan dan M. Avci, “A hybrid classification method of k nearest neighbor, Bayesian methods and genetic algorithm,” Expert Systems with Applications, vol. 37, no. 7, pp. 5061-5067, 2010.

S. Jiang, G. Pang, M. Wu dan L. Kuang, “An improved K-nearest-neighbor algorithm for text categorization,” Expert Systems with Applications, vol. 39, no. 1, pp. 1503-1509, 2012.

MDN Web Docs Mozila, “What are Extension?,” 23 October 2018. [Online]. Available: https://developer.mozilla.org/en-US/docs/Mozilla/Add-ons/WebExtensions/What_are_WebExtensions.

A. Barth, J. Weinberger dan D. Song, “Cross-Origin JavaScript Capability Leaks: Detection, Exploitation, and Defense,” dalam Usenix Security Symposium, Montreal, 2009.

R. Wang, L. Xing, X. Wang dan S. Chen, “Unauthorized origin crossing on mobile platforms: threats and mitigation,” dalam Proceedings of the 2013 ACM SIGSAC conference on Computer & communications security, Berlin, 2013.




DOI: http://dx.doi.org/10.26418/jp.v5i2.33010

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.  
  View My Stats