Implementasi Algoritma YOLOv11, PaddleOCR, dan SVM untuk Deteksi Watermark Promosi Judi Online pada Reels Instagram

Fidello, Jovan (2026) Implementasi Algoritma YOLOv11, PaddleOCR, dan SVM untuk Deteksi Watermark Promosi Judi Online pada Reels Instagram. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (565kB)
	PDF BAB_I.pdf Download (216kB)
	PDF BAB_II.pdf Download (2MB)
	PDF BAB_III.pdf Restricted to Registered users only Download (712kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (15MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (230kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (234kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)
	Archive (ZIP) 00000067827_2521_LembarPengesahan.pdf Restricted to Registered users only Download (65kB)

Abstract

Penyebaran konten promosi judi online melalui watermark pada video Reels Instagram terus meningkat dan menimbulkan dampak negatif di berbagai aspek kehidupan masyarakat. Sistem moderasi berbasis kata kunci sederhana maupun pendekatan deteksi visual semata masih memiliki keterbatasan dalam menganalisis konten teks watermark secara menyeluruh. Penelitian ini mengimplementasikan sistem terintegrasi yang menggabungkan YOLOv11, PaddleOCR, dan Support Vector Machine (SVM) untuk mendeteksi serta mengklasifikasikan watermark promosi judi online pada konten Reels Instagram. Sistem dibangun melalui beberapa tahap, yaitu pengumpulan dan anotasi dataset sebanyak 4.000 citra, pelatihan model YOLOv11 untuk mendeteksi lokasi watermark, ekstraksi teks menggunakan PaddleOCR, serta pembobotan fitur TF-IDF dan klasifikasi menggunakan SVM. Model YOLOv11n pada skenario 1-class terpilih sebagai model deteksi terbaik dengan precision 98,00%, recall 98,18%, mAP50 99,42%, dan mAP50-95 72,10% setelah optimasi grid search. PaddleOCR varian PP- OCRv6 Medium mencapai akurasi Word Error Rate (WER) sebesar 71,09% dan akurasi Character Error Rate (CER) sebesar 88,92%, sedangkan model SVM berkernel sigmoid mencapai akurasi klasifikasi teks 98,28%. Secara keseluruhan, sistem terintegrasi mencapai akurasi 98,00%, precision 100,00%, recall 96,30%, dan F1-Score 98,11% pada evaluasi end-to-end tanpa satu pun false positive. Hasil ini membuktikan bahwa integrasi deteksi visual dan analisis teks berhasil menghilangkan seluruh false positive yang masih muncul pada pendekatan deteksi visual semata, sehingga mencapai presisi absolut sebesar 100,00%. Meskipun terjadi sedikit penurunan recall sebagai konsekuensinya, peningkatan presisi ini menjadikan pendekatan hibrida lebih andal dan dapat menjadi fondasi pengembangan sistem moderasi konten judi online yang lebih akurat dan aman dari kesalahan penindakan.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Fidello, Jovan (00000067827)
Contributors:	Zuhdi Pane, Ivransa (8812520016)
Keywords:	PaddleOCR, Support Vector Machine, TF-IDF, watermark judi online, YOLOv11
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	27 Jul 2026 11:58
URI:	https://kc.umn.ac.id/id/eprint/48240

Actions (login required)

View Item