SISTEM DETEKSI KOMENTAR SPAM DI INSTAGRAM DENGAN MENGEVALUASI KINERJA ALGORITMA KNN, SVM, DAN RANDOM FOREST

Pertumbuhan penggunaan media sosial, termasuk Instagram, telah meningkatkan interaksi sosial global, namun juga memunculkan tantangan berupa peningkatan komentar spam. Komentar spam, yang sering kali berisi pesan tidak relevan dan bertujuan untuk promosi yang tidak sah, merugikan pengalaman pengguna serta reputasi platform. Oleh karena itu, diperlukan sistem deteksi otomatis untuk mengidentifikasi dan menyaring komentar spam di Instagram. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem deteksi komentar spam dengan mengevaluasi kinerja algoritma K-Nearest Neighbors (KNN), Support Vector Machine (SVM), dan Random Forest. Sistem ini dikembangkan menggunakan metode waterfall dengan framework Flask, dan dataset komentar spam dikumpulkan secara mandiri dari platform Instagram. Hasil evaluasi menunjukkan bahwa Random Forest dan SVM unggul dengan akurasi, precision, recall, dan F1-Score sekitar 99.5%, sementara KNN memberikan akurasi sebesar 94.0% dan F1-Score sebesar 93.6%. Hasil ini mengindikasikan bahwa Random Forest dan SVM lebih efektif dalam mendeteksi komentar spam di Instagram dibandingkan KNN.