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.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (629kB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (168kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (259kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (330kB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (498kB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (468kB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (197kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)

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:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	24 Aug 2021 12:17
Last Modified:	24 Aug 2023 06:15
URI:	https://kc.umn.ac.id/id/eprint/16884

Actions (login required)

View Item