Permata Polim, Belinda (2021) Klasifikasi Berita Hoaks dengan Ensemble Learning Menggunakan Teknik Stacking dan Multiple Naïve Bayes Model. Bachelor Thesis thesis, Universitas Multimedia Nusantara.
![[img]](https://kc.umn.ac.id/style/images/fileicons/text.png)
Abstract
Berita hoaks perlu diklasifikasikan karena merupakan informasi menyesatkan dan dapat berbahaya bagi orang yang membaca dan menyebarkannya. Berita hoaks dapat diklasifikasikan dengan bantuan pembelajaran mesin. Berdasarkan penelitian terdahulu, model klasifikasi dengan algoritma Naïve Bayes terbukti memiliki hasil terbaik diantara algoritma lainnya seperti SVM dan C4.5. Ensemble model dengan teknik stacking memanfaatkan kemampuan model dengan performa baik pada klasifikasi untuk menghasilkan hasil yang lebih baik. Berdasarkan fakta dan permasalahan tersebut, penelitian ini bertujuan untuk mengklasifikasikan berita hoaks dengan ensemble stacking menggunakan beberapa model Naïve Bayes. Jenis Naïve Bayes yang dapat digunakan untuk klasifikasi berita hoaks dengan ekstraksi fitur TF-IDF yaitu Gaussian Naïve Bayes, Multinomial Naïve Bayes, dan Complement Naïve Bayes. Penelitian menggunakan dataset yang diperoleh dari Mendeley berisi 600 berita yang telah diberi label oleh tiga orang penilai. Berita dalam dataset terdiri dari 372 berita dengan label valid dan 228 berita berlabel hoaks. Uji coba dengan empat kombinasi base classifiers dilakukan untuk mengetahui pengaruh jumlah classifiers yang digunakan dalam ensemble stacking. Hasil uji coba dengan kombinasi tiga classifiers menempati peringkat ketiga dengan rata-rata f1-score 76.4%, sedangkan peringkat pertama dan kedua dihasilkan oleh kombinasi dua classifiers dengan rata-rata f1-score tertinggi 76.6%. Hasil tersebut membuktikan bahwa dalam klasifikasi berita hoaks, jenis classifier lebih berpengaruh dibandingkan dengan jumlah classifiers yang digunakan terhadap performa ensemble stacking. Hasil penelitian yang dilakukan menunjukkan rata- rata f1-score tertinggi dihasilkan oleh klasifikasi berita hoaks menggunakan ensemble stacking Gaussian Naïve Bayes dan Multinomial Naïve Bayes dengan rata-rata f1-score 76.6%.
| Item Type: | Thesis (Bachelor Thesis) |
|---|---|
| Keywords: | Complement Naïve Bayes, ensemble learning, Gaussian Naïve Bayes, klasifikasi hoaks, Multinomial Naïve Bayes, stacking |
| Subjects: | 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods > 006.3 Artificial Intelligence, Machine Learning, Pattern Recognition, Data Mining |
| Divisions: | Faculty of Engineering & Informatics > Informatics |
| SWORD Depositor: | Administrator UMN Library |
| Depositing User: | Administrator UMN Library |
| Date Deposited: | 24 Aug 2021 12:23 |
| Last Modified: | 24 Aug 2023 07:47 |
| URI: | https://kc.umn.ac.id/id/eprint/17789 |
Actions (login required)
 |
View Item |
