Pengaruh Recursive Feature Elimination Terhadap Algoritma Multinomial Naïve Bayes dan Logistic Regression dalam Mendeteksi Berita Hoax

Hengky, Alexander (2021) Pengaruh Recursive Feature Elimination Terhadap Algoritma Multinomial Naïve Bayes dan Logistic Regression dalam Mendeteksi Berita Hoax. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
PDF
HALAMAN_AWAL.pdf

Download (629kB) | Preview
[img]
Preview
PDF
DAFTAR_PUSTAKA.pdf

Download (168kB) | Preview
[img]
Preview
PDF
BAB_I.pdf

Download (259kB) | Preview
[img]
Preview
PDF
BAB_II.pdf

Download (330kB) | Preview
[img]
Preview
PDF
BAB_III.pdf

Download (498kB) | Preview
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (468kB)
[img]
Preview
PDF
BAB_V.pdf

Download (197kB) | Preview
[img]
Preview
PDF
LAMPIRAN.pdf

Download (1MB) | Preview

Abstract

Berita menjadi salah satu sarana penyebaran informasi yang ada di Indonesia. Namun penyebaran berita bohong atau hoax dapat menyesatkan persepsi seseorang dalam menyampaikan informasi palsu sebagai kebenaran. Oleh karena itu penting agar dapat mendeteksi berita hoax yang tersebar di masyarakat, maka dibutuhkannya sistem untuk mendeteksi berita hoax. Untuk mengatasi hal tersebut menggunakan algoritma Multinomial Naïve Bayes dan Logistic Regression untuk klasifikasi berita hoax, dengan bantuan Text Preprocessing dan TF-IDF untuk mengubah data teks menjadi data yang dapat diolah oleh algoritma tersebut. Lalu menggunakan Recursive Feature Elimination sebagai feature selection untuk menurunkan jumlah fitur. Lalu menggunakan F1-Score sebagai evaluasi masing- masing model. GridSeachCV digunakan untuk mendapatkan score model yang optimal dengan parameter yang tepat. Penelitian ini bertujuan untuk membandingkan algoritma Multinomial Naïve Bayes dan Logistic Regression dan pengaruh penurunan fitur menggunakan Recursive Feature Elimination terhadap performa algoritma tersebut. Hasil pengujian penggunaan Recursive Feature Elimination terhadap Multinomial Naïve Bayes mengalami kenaikan score sebesar 0,005% dan pada Logistic Regression mengalami penurunan score sebesar 0,006%. Berdasarkan hasil pengujian yang telah dilakukan, disimpulkan bahwa Recursive Feature Elimination tidak memiliki pengaruh yang signifikan terhadap algoritma Multinomial Naïve Bayes dan Logistic Regression dalam klasifikasi berita hoax.

Item Type: Thesis (Bachelor Thesis)
Keywords: F1-Score, Hyperparameter, Logistic Regression, Multinomial Naïve Bayes dan Recursive Feature Elimination
Subjects: T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T58.5-58.64 Information technology
Divisions: Fakultas Teknik Informatika > Program Studi Informatika
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 24 Aug 2021 12:17
Last Modified: 24 Aug 2021 12:17
URI: http://kc.umn.ac.id/id/eprint/16884

Actions (login required)

View Item View Item