- Profesor Antonius Rachmat Chrismanto dari UKDW Yogyakarta meneliti pemanfaatan emoji untuk meningkatkan deteksi komentar spam di media sosial.
- Peneliti menciptakan dataset SPAMID-PAIR dan model EiAP-BC guna menganalisis keterkaitan kontekstual antara unggahan asli serta komentar pengguna.
- Model EiAP-BC terbukti mampu meningkatkan akurasi deteksi spam secara signifikan dan lebih efisien dibandingkan metode komputasi sebelumnya.
Hasilnya, model EiAP-BC mampu mencapai rata-rata akurasi 88,46 persen ketika emoji diperlakukan sebagai teks dan 86,65 persen ketika emoji diperlakukan sebagai simbol. Capaian tersebut meningkat sekitar 6,22 persen dan 4,15 persen dibandingkan model dasar Bi-LSTM-CNN.
Tak hanya lebih akurat, model tersebut juga dinilai lebih sederhana dan lebih hemat kebutuhan komputasi dibandingkan model berbasis BERT, sehingga lebih efisien digunakan dalam skenario nyata.
"Model yang semula dikembangkan untuk mendeteksi spam di media sosial berpotensi diadaptasi untuk menganalisis relevansi kurikulum berbasis Outcome-Based Education, termasuk memetakan keterkaitan antara capaian pembelajaran, asesmen, hingga umpan balik mahasiswa," jelasnya.
Di masa mendatang, riset pengolahan bahasa diperkirakan akan bergerak menuju model multimodal yang mampu menggabungkan teks, gambar, suara, hingga video secara bersamaan.
Baca Juga:Komdigi Tegaskan Pembatasan Game Online Destruktif, Gandeng Kampus dan Industri Optimasi AI
Namun tantangan lain yang masih harus dihadapi adalah ketersediaan dataset berkualitas, perubahan pola bahasa yang cepat, hingga masalah bias dan keamanan data. Karenanya perkembangan AI yang sangat cepat harus tetap diimbangi dengan kebijaksanaan manusia dalam mengendalikannya.
"Pertanyaan yang menarik bukan lagi seberapa canggih AI, melainkan bagaimana kita mengendalikannya secara bijaksana," imbuhnya.
Kontributor : Putu Ayu Palupi
