Analisa Deteksi Hoax Menggunakan Algoritma Support Vector Machine, Naive Bayes, Random Forest dan K-Nearest Neighbor Mengenai Berita Vaksin Covid-19 pada Twitter

Fredy Ferdiansyah, Ignatius (2021) Analisa Deteksi Hoax Menggunakan Algoritma Support Vector Machine, Naive Bayes, Random Forest dan K-Nearest Neighbor Mengenai Berita Vaksin Covid-19 pada Twitter. 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 (582kB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (84kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (80kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (159kB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (400kB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (4MB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (10kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (613kB)

Abstract

Perkembangan teknologi informasi dan sosial media yang pesat media menghasilkan lebih banyak penyebaran informasi dalam bentuk berita digital dan mengubah media analog menjadi media online. Namun penyebaran berita di media online tidak semuanya benar (hoax). Permasalahan hoax yang dihadapi para pengguna internet berita dapat diselesaikan melalui percobaan hoax detection menggunakan Algoritma Support Vector Machine, Naive Bayes, Random Forest dan K-Nearest Neighbor. Data penelitian dilakukan menggunakan 1000 berita berbahasa Indonesia, 500 berita non- hoax, dan 500 untuk berita hoax sebagai data training, 500 data yang didapat dari Mining di Twitter. Data dikumpulkan dari Portal berita online Indonesia dengan metode text Mining. Hasil penelitian menunjukkan bahwa akurasi tertinggi 89.27% dicapai dengan menggunakan Support Vector Machine untuk 10-fold, dan Naïve Bayes akurasi tertinggi sebesar 89.48% dengan 5-fold. Berdasarkan hal tersebut, dapat disimpulkan bahwa pemodelan ini dapat digunakan mendukung pendeteksian berita hoax di Indonesia saat ini. Diharapkan model ini juga dapat diterapkan untuk pemerintah menyaring berita yang akan disebarkan kepada masyarakat Indonesia.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	hoax detection, Algoritma Support Vector Machine, Naive Bayes, Random Forest dan K-Nearest Neighbor , vaksin
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 > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	24 Aug 2021 14:00
Last Modified:	07 Aug 2023 06:34
URI:	https://kc.umn.ac.id/id/eprint/17264

Actions (login required)

View Item