Steem Sincerity API membantu menunjukkan akun-akun penyebar spam (pesan sampah) di Steemit. Peringatan bagi para steemian.

Melawan Spammer

Spam atau pesan sampah makin sering menyambangi artikel-artikel kita. Kita tak bisa mencegahnya karena siapa saja bisa memberi komentar. Tapi, @andybets, software developer, mencoba membantu mengatasinya dengan memperkenalkan Steem Sincerity API yang dia tulis sendiri:¹

This uses machine learning and a small training set to determine patterns which identify comments as spam (or from bots).

Ini adalah aplikasi pemrograman antarmuka (application programming interface/API) yang berfokus terutama pada komentar. Ya, tentu saja, karena pada komentarlah spam merajalela. Tapi, tentu ada ukuran lain, seperti jumlah pos dan reputasi meski tak dominan.

Aplikasi ini berusaha membedakan antara komentar sebagai spam atau komentar dari bot secara tak langsung. Dia menilai kemungkinan suatu akun itu berdasarkan tiga klasifikasi: Human Content Creator, Spammer dan Bot.²

Rather than making a direct prediction about whether an account belongs to a spammer, the API actually returns the probabilities of the account belonging to each of the three classes.

Aplikasi ini menilai seluruh akun Steemit dan menilainya berdasarkan tiga klasifikasi tadi. API aslinya tentu sulit dibaca orang awam. Untunglah, sejak akhir Maret lalu, @steemreports menyediakan visualisasi data penilaian itu. Kamu dapat melihatnya di:

http://steemreports.com/sincerity-accounts-info/

Tampilannya demikian:

Kamu bisa mencoba mengecek sendiri status akunmu dengan memasukkan nama akunmu di kotak itu.

Mengecek Anggota KSI Chapter Jakarta

Ada baiknya kita mengecek status akun kita berdasarkan Steem Sincerity API.

Karena saya masuk dalam KSI Chapter Jakarta, maka saya mengecek status seluruh akun komunitas ini. Saya masukkan seluruh nama akun di sana:

Hasilnya adalah sebuah visualisasi dari status semua akun. Tampilannya seperti di bawah ini:

Kalau cursor diarahkan ke bulatan di segitiga itu, maka akan muncul nama akun bersangkutan, seperti ini:

Status Para Anggota

Sebenarnya, setiap bulatan itu menandai satu atau lebih akun. Maka, untuk memudahkan penjelasan di tulisan ini, saya tambahkan kode a, b, c, sampai i.

Isi dari setiap kode itu adalah sebagai berikut

a:	@designofeighty
b:	@nsratjeh46
c:	@andrianhabibi, @anggreklestari, @beladro, @bennpoelem, @iissumiati03, @jkfarza, @mhdsyafriadi, @musismail, @noasalfha, @willyana
d:	@apilopoly, @muhajirdjidji
e:	@blogiwank
f:	@ahmadunyh, @batuejourney, @dofaaliza, @feriald, @imansembada, @imansembada, @manfaluthi, @vallentinadharma, @viviehardika, @zikrullah
g:	@edridaazhari
h:	@fidaarfah, @jaryat, @konakaart, @ngartof, @refs, @rezasofyan, @sangdiyus
i:	@citrarahman, @ratuayu, @ronimarwan

Mengapa posisi setiap akun berbeda-beda? Karena algoritma API meletakkannya berdasarkan penilaian untuk tiga klasifikasi tadi. Data rinci setiap akun adalah demikian:

label	spammer	bot	content creator
a
designofeighty	28	0	71
b
nsratjeh46	14	14	71
c
andrianhabibi	42	0	57
anggreklestari	42	0	57
beladro	42	0	57
bennpoelem	42	0	57
iissumiati03	42	0	57
jkfarza	42	0	57
mhdsyafriadi	42	0	57
musismail	42	0	57
noasalfha	42	0	57
willyana	42	0	57
d
apilopoly	28	14	57
muhajirdjidji	28	14	57
e
blogiwank	14	28	57
f
ahmadunyh	57	0	42
batuejourney	57	0	42
dofaaliza	57	0	42
feriald	57	0	42
imansembada	57	0	42
imansembada	57	0	42
manfaluthi	57	0	42
vallentinadharma	57	0	42
viviehardika	57	0	42
zikrullah	57	0	42
g
edridaazhari	42	14	42
h
fidaarfah	71	0	28
jaryat	71	0	28
konakaart	71	0	28
ngartof	71	0	28
refs	71	0	28
rezasofyan	71	0	28
sangdiyus	71	0	28
i
citrarahman	85	0	14
ratuayu	85	0	14
ronimarwan	85	0	14

Apa Artinya?

Bagaimana membaca data di atas? Sederhana saja. Aktivitas komentar setiap akun dinilai seberapa "manusia" akun itu. Makin dekat akun itu ke posisi Content Creator, semakin manusialah dia. Bila posisinya mendekat ke Spammer, maka komentarnya diperkirakan sebagai spam. Dan, bila posisinya makin dekat ke Bot, maka dia diperkirakan sebagai robot.

Saya tahu bahwa semua akun KSI Chapter Jakarta adalah manusia, jadi pasti bukan robot dan spammer. Tapi, saya menduga ada komentar-komentar yang kawan-kawan tulis yang mirip dengan spammer atau bot.

Jadi, lihatlah data ini sebagai peringatan bagi kita semua untuk memperbaiki cara kita berinteraksi di Steemit.

Cara Menghindari

Lalu, bagaimana cara kita menghindari agar komentar kita tak dikira sebagai spam? Berdasarkan pengalaman saya, ini beberapa tip yang bisa kita lakukan:

Hindari menulis komentar yang sama persis atau sekadar copy-paste dari komentar yang lain.
Panjang atau pendek komentar bukan masalah asal komentar itu cukup kreatif.
Jangan menyertakan link ke artikelmu atau artikel orang lain yang tidak relevan.
Komentar pendek, seperti "Terima kasih", tidak apa asal jangan terlalu sering.
Sekali lagi, kreatiflah.

Biggest Spammers

Yang saya senang dari data di atas adalah tak satu pun anggota KSI Chapter Jakarta yang tergolong spammer.

Namun, saya sedih karena banyak akun dari Indonesia yang malah masuk daftar Biggest Spammers alias spammer terbesar.

Yang ingin melihat daftar lengkapnya, silahkan kunjungi:

http://steemreports.com/sincerity-biggest-spammers/

Catatan Akhir

Data di atas diakses per 8 April 2018. Steem Sincerity API mengambil data itu dari komentar selama 14 hari terakhir. Data ini bisa berubah setiap hari, tergantung aktivitas setiap akun. Saya berharap hari-hari berikutnya tak ada lagi akun Indonesia yang nangkring di Biggest Spammers.

Perlu diingat bahwa Steem Sincerity API sedang dalam pengembangan. API ini berbasis pada mesin yang belajar (learning machine). Kekeliruan bisa saja terjadi dan kita perlu membantu mereka untuk menyempurnakannya.

Kalau kamu keberatan atas hasil yang mereka tampilkan atau punya masukan atau kritik, silahkan tulis komentar di akun @andybets atau @steemreports.

Footnotes

1. @andybets, Steem Sincerity - Spam Filtering API and App Extensions
2. @andybets, Steem Sincerity - Improved Anti-Spam API

Kamu Spammer, Manusia, atau Bot? | Introducing Steem Sincerity API