Klasifikasi Teks Website Ilegal Berbasis Transfer Learning Indobert Untuk Meminimalisir Maraknya Penggunaan Website Ilegal di Indonesia

Abstract

Maraknya akses terhadap situs ilegal di Indonesia,
seperti platform judi daring, layanan streaming film tanpa lisensi,
dan siaran olahraga tidak resmi, menunjukkan lemahnya
mekanisme kontrol manual dalam proses identifikasi dan
pemblokiran konten digital berbahaya. Penelitian ini
mengembangkan sistem klasifikasi website ilegal menggunakan
pendekatan Transfer Learning berbasis model pra-latih
IndoBERT. Model ini digunakan untuk mengklasifikasikan konten
atau deskripsi website ke dalam dua kategori, yaitu Legal dan
Ilegal. Tahapan pengembangan meliputi pengumpulan data, prapemrosesan, pelatihan model, serta evaluasi menggunakan
Confusion Matrix. Sistem diimplementasikan dalam bentuk
aplikasi web interaktif menggunakan framework Flask dan
dikembangkan dengan bahasa pemrograman Python berbasis
Object-Oriented Programming guna menghasilkan struktur kode
yang terorganisasi dan skalabel. Penelitian ini diharapkan mampu
menjadi solusi awal dalam mendeteksi situs ilegal secara otomatis,
sekaligus berkontribusi pada upaya perlindungan masyarakat dari
dampak negatif konten digital ilegal melalui penerapan kecerdasan
buatan.

Kata kunci: Flask, IndoBERT, Klasifikasi Teks, Transfer Learning, Website Ilegal