DETEKSI PENYEBARAN BOT DI MEDIA SOSIAL MENGGUNAKAN ALGORITMA LOCAL OUTLIER FACTOR (LOF) DAN CATBOOST

Abstract

Media sosial telah menjadi infrastruktur kritis dalam diskursus publik, namun juga rentan terhadap manipulasi oleh akun bot otomatis. Bot modern semakin canggih, mampu meniru perilaku manusia dan beroperasi secara terkoordinasi, sehingga menyulitkan metode deteksi konvensional. Penelitian ini mengusulkan pendekatan hibrida untuk deteksi akun bot di media sosial dengan menggabungkan algoritma Local Outlier Factor (LOF) sebagai metode deteksi anomali berbasis kepadatan lokal dan CatBoost sebagai algoritma klasifikasi gradient boosting yang unggul dalam menangani fitur kategorikal. Pendekatan ini diimplementasikan dan diuji menggunakan dataset benchmark TwiBot-22 yang memiliki struktur graf heterogen. Hasil eksperimen menunjukkan bahwa model hibrida dengan parameter optimal k=50 pada LOF mencapai akurasi 74,48%, recall 89,81-90,53% untuk kelas bot, dan nilai AUC sebesar 0,826. Analisis feature importance mengungkapkan bahwa fitur berbasis struktur relasi sosial seperti followers_count dan listed_count lebih dominan dalam menentukan klasifikasi dibandingkan atribut profil kosmetik. Meskipun kontribusi skor LOF relatif kecil (3,11%), integrasinya terbukti konsisten meningkatkan metrik recall dan Matthews Correlation Coefficient (MCC). Sistem yang dikembangkan dalam bentuk aplikasi web ini mampu memberikan prediksi cepat (<1 detik) dan menunjukkan potensi sebagai solusi deteksi bot yang efisien dan adaptif.