Klasifikasi Berita Hoaks Indonesia Menggunakan Algoritma LightGBM

Dzaky Muhammad, Fadhil (2025) Klasifikasi Berita Hoaks Indonesia Menggunakan Algoritma LightGBM. MBKM thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (866kB)
	PDF BAB_I.pdf Download (214kB)
	PDF BAB_II.pdf Download (339kB)
	PDF BAB_III.pdf Download (392kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (637kB)
	PDF BAB_V.pdf Download (188kB)
	PDF DAFTAR_PUSTAKA.pdf Download (219kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (5MB)
	PDF LEMBAR_PENGESAHAN.pdf Download (53kB)

Abstract

Berita hoaks merupakan ancaman serius terhadap demokrasi, stabilitas sosial, dan integritas politik di Indonesia, terutama dalam konteks pemilu dan isu-isu politik lainnya. Penyebaran berita hoaks dapat memengaruhi opini publik secara negatif, memperburuk polarisasi masyarakat, dan memicu konflik sosial. Penelitian ini bertujuan untuk mengembangkan model klasifikasi berita hoaks yang andal dan efisien menggunakan algoritma LightGBM. Dataset yang digunakan mencakup 59.850 entri berita yang telah melalui proses pembersihan data dan preprocessing teks. Untuk ekstraksi fitur, metode Term Frequency-Inverse Document Frequency (TF-IDF) diterapkan guna mengonversi data teks ke dalam format numerik yang dapat diproses oleh model machine learning. Parameter model dioptimalkan menggunakan Optuna, sebuah framework hyperparameter tuning berbasis Bayesian Optimization. Hasil penelitian menunjukkan bahwa LightGBM mampu mencapai akurasi yang sangat tinggi sebesar 99,23% dengan efisiensi pemrosesan yang baik.

Item Type:	Thesis (MBKM)
Keywords:	Berita hoaks, Indonesia, Klasifikasi, LightGBM, Machine learning,
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	26 Jan 2025 12:58
Last Modified:	26 Jan 2025 12:58
URI:	https://kc.umn.ac.id/id/eprint/36011

Actions (login required)

View Item