YouTube Spam Comment Remover

Sebuah alat bertenaga AI untuk mendeteksi dan menghapus komentar spam dari video YouTube menggunakan Gemini AI, dibangun dengan backend Flask dan frontend Next.js.

🚀 Memulai Cepat

1. Clone repository:

   git clone <repository-url>
   cd judolslayer
   

2. Setup backend (lihat Setup Backend)

3. Setup frontend (lihat Setup Frontend)

4. Konfigurasi API keys di file environment

5. Jalankan kedua server dan kunjungi http://localhost:3000

Fitur

• 🤖 Deteksi Bertenaga AI: Menggunakan Gemini AI Google (gemini-2.0-flash) untuk deteksi spam yang cerdas
• 🎯 Filter Lanjutan: Mendeteksi judi, penipuan, promosi, dan jenis spam lainnya
• 🔍 Mode Dry Run: Preview apa yang akan dihapus sebelum mengambil tindakan
• 📊 Analitik Detail: Lihat statistik dan analisis komprehensif
• 🚀 UI Modern: Interface yang indah dan responsif dibangun dengan Next.js dan Tailwind CSS
• 🔄 Pemrosesan Batch: Proses beberapa video sekaligus
• 📤 Ekspor Hasil: Download hasil analisis sebagai JSON atau CSV
• ⚡ Pemrosesan Real-time: Update langsung selama pemrosesan

Perbandingan Mode Operasi

| Fitur | Mode Analisis/Dry Run | Mode Hapus | |-------|----------------------|------------| | Tujuan | Preview dan analisis | Hapus spam aktual | | Keamanan | ✅ Aman, tidak ada perubahan | ⚠️ Permanen, tidak bisa dibatalkan | | Output | Laporan deteksi spam | Komentar spam dihapus | | Rekomendasi | Selalu gunakan dulu | Gunakan setelah review | | Risiko | Tidak ada risiko | Risiko hapus komentar valid | | Fungsi | Identifikasi dan statistik | Moderasi aktual | | Reversible | ✅ Ya (tidak ada aksi) | ❌ Tidak (penghapusan permanen) | | Ideal untuk | Testing, review, analisis | Pembersihan final |

Arsitektur

Backend (Flask + LangGraph)

• Flask: Server API RESTful
• LangGraph: Orkestrasi workflow untuk logika deteksi spam yang kompleks
• Gemini AI: Model bahasa canggih untuk klasifikasi spam
• YouTube Data API: Mengambil dan mengelola komentar
• TensorFlow/PyTorch: Kemampuan ML tambahan (dapat diperluas)

Frontend (Next.js)

• Next.js 14: Framework React dengan App Router
• TypeScript: Pengembangan yang type-safe
• Tailwind CSS: Styling utility-first
• React Query: Pengambilan data dan caching
• React Hook Form: Manajemen form dengan validasi
• Heroicons: Ikon yang indah

Prasyarat

• Python 3.8+ dengan pip
• Node.js 18+ dengan npm
• YouTube Data API v3 key dari Google Cloud Console
• Google AI (Gemini) API key dari Google AI Studio
• Git untuk version control

Mendapatkan API Keys

1. YouTube Data API v3:

   • Kunjungi Google Cloud Console
   • Buat project baru atau pilih yang sudah ada
   • Aktifkan YouTube Data API v3
   • Buat credentials (API key)
   • Batasi key untuk YouTube Data API v3 demi keamanan

2. Google AI (Gemini) API:

   • Kunjungi Google AI Studio
   • Masuk dengan akun Google Anda
   • Buat API key baru
   • Salin key untuk digunakan di file environment Anda

Instalasi

Setup Backend

1. Navigasi ke direktori backend:

cd backend

2. Buat virtual environment:

python -m venv venv
source venv/bin/activate  # Di Windows: venv\Scripts\activate

3. Install dependencies:

pip install -r requirements.txt

4. Buat file environment:

cp .env.example .env

5. Konfigurasi file .env Anda:

# API Keys (Required)
YOUTUBE_API_KEY=your_youtube_api_key_here
GEMINI_API_KEY=your_gemini_api_key_here

# Flask Configuration
FLASK_ENV=development
FLASK_DEBUG=True
SECRET_KEY=generated_secure_secret_key_here

# CORS Settings
CORS_ORIGINS=http://localhost:3000

# Rate Limiting
RATE_LIMIT_PER_MINUTE=60

# Logging
LOG_LEVEL=INFO

Penting:

• Ganti your_youtube_api_key_here dengan YouTube Data API v3 key Anda yang sebenarnya
• Ganti your_gemini_api_key_here dengan Google AI (Gemini) API key Anda yang sebenarnya
• SECRET_KEY telah dibuat secara otomatis untuk keamanan
• Jangan pernah commit file .env Anda ke version control

6. Jalankan aplikasi Flask:

python app.py

Backend akan tersedia di http://localhost:5000

Setup Frontend

1. Navigasi ke direktori frontend:

cd frontend

2. Install dependencies:

npm install

3. Buat file environment:

cp .env.local.example .env.local

4. Konfigurasi file .env.local Anda:

NEXT_PUBLIC_API_URL=http://localhost:5000

5. Jalankan development server:

npm run dev

Frontend akan tersedia di http://localhost:3000

API Endpoints

Backend API

• GET /api/health - Health check
• POST /api/process-video - Proses video untuk deteksi spam
• POST /api/analyze-comment - Analisis satu komentar
• POST /api/video-info - Dapatkan informasi video
• POST /api/batch-process - Proses beberapa video

Catatan: Semua API keys sekarang dikonfigurasi melalui environment variables untuk keamanan yang lebih baik. Tidak perlu menyertakannya dalam request API.

Contoh Request

Proses Video untuk Deteksi Spam

curl -X POST http://localhost:5000/api/process-video \
  -H "Content-Type: application/json" \
  -d '{
    "video_id": "dQw4w9WgXcQ",
    "max_results": 100,
    "dry_run": true
  }'

Analisis Satu Komentar

curl -X POST http://localhost:5000/api/analyze-comment \
  -H "Content-Type: application/json" \
  -d '{
    "comment_text": "Check out my crypto trading bot!"
  }'

Penggunaan

1. Jalankan Aplikasi:

   • Pastikan server backend dan frontend berjalan
   • Buka http://localhost:3000 di browser Anda

2. Masukkan Informasi Video:

   • Paste YouTube video ID atau URL lengkap
   • Konfigurasi pengaturan deteksi (API keys dimuat otomatis dari environment)
   • Sesuaikan opsi lanjutan jika diperlukan

3. Jalankan Analisis:

   • Direkomendasikan: Gunakan "Dry Run" dulu untuk preview hasil tanpa membuat perubahan
   • Review analisis dan statistik
   • Jika puas, nonaktifkan "Dry Run" dan klik "Remove Spam" untuk menghapus komentar spam yang terdeteksi

4. Review Hasil:

   • Lihat statistik detail dan skor confidence
   • Filter komentar berdasarkan tipe (All, Spam, Clean)
   • Urutkan berdasarkan confidence, tanggal, atau level risiko
   • Ekspor hasil untuk analisis lebih lanjut

⚠️ Catatan Penting

• Selalu test dengan Dry Run dulu untuk menghindari penghapusan komentar yang sah secara tidak sengaja
• Penghapusan spam bersifat permanen - komentar yang dihapus tidak dapat dipulihkan
• Rate limits berlaku - YouTube API memiliki kuota harian
• Review hasil dengan hati-hati - deteksi AI mungkin memiliki false positives

Konfigurasi

Pengaturan Deteksi Spam

• Confidence Threshold: Level confidence minimum untuk klasifikasi spam (0.0-1.0)
• Risk Levels: Kategorisasi risiko Tinggi, Sedang, Rendah
• Spam Types: Judi, Penipuan, Promosi, Ofensif, dll.
• Dry Run: Mode preview tanpa penghapusan aktual

Opsi Lanjutan

• Max Comments: Batasi jumlah komentar yang diproses
• Include Replies: Proses balasan komentar
• Custom Patterns: Tambahkan pola deteksi spam kustom
• Batch Processing: Proses beberapa video secara bersamaan

Development

Backend Development

# Jalankan dengan auto-reload
python app.py

# Jalankan tests (jika file test ada)
python -m pytest tests/

# Format code (install tools dulu: pip install black flake8)
black .
flake8 .

Frontend Development

# Development server
npm run dev

# Build untuk production
npm run build

# Jalankan production server
npm start

# Lint code
npm run lint

# Type check
npm run type-check

Deployment

Backend (Flask)

1. Menggunakan Gunicorn:

gunicorn -w 4 -b 0.0.0.0:5000 app:app

2. Menggunakan Docker:

FROM python:3.9-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install -r requirements.txt
COPY . .
EXPOSE 5000
CMD ["gunicorn", "-w", "4", "-b", "0.0.0.0:5000", "app:app"]

Frontend (Next.js)

1. Static Export:

npm run build
npm run export

2. Vercel Deployment:

npm install -g vercel
vercel

Pertimbangan Keamanan

• API Keys:
  • Semua API keys dikelola melalui environment variables
  • Jangan pernah commit file .env ke version control
  • Gunakan .env.example sebagai template untuk variabel yang diperlukan
  • credentials.json secara otomatis diabaikan oleh Git
• Secret Key: Generate Flask secret key yang aman untuk production
• Rate Limiting: Implementasikan rate limiting yang tepat untuk production
• CORS: Konfigurasi CORS dengan benar untuk domain Anda
• Input Validation: Semua input divalidasi dan disanitasi
• Error Handling: Error handling dan logging yang komprehensif
• Git Security:
  • File .gitignore yang komprehensif melindungi data sensitif
  • OAuth credentials dan API keys dikecualikan dari version control
  • Jika Anda tidak sengaja commit file sensitif, hapus dari Git history

Kontribusi

1. Fork repository
2. Buat feature branch
3. Buat perubahan Anda
4. Tambahkan tests jika diperlukan
5. Submit pull request

Lisensi

MIT License - lihat file LICENSE untuk detail

Support

Untuk issues dan pertanyaan:

• Buat issue di GitHub
• Periksa dokumentasi
• Review contoh API

Troubleshooting

Masalah Umum

1. Error "API key not found":

   • Pastikan file .env ada di direktori backend
   • Periksa bahwa API keys sudah diset dengan benar di environment variables
   • Restart server backend setelah mengubah environment variables

2. Error "Video not found":

   • Verifikasi YouTube video ID atau URL sudah benar
   • Pastikan video bersifat public