Analisis Algoritma Naïve Bayes Classifer Untuk Mendeteksi Berita Hoax Pada Dinas Kominikasi Informatika Dan Persandian

Anjasmara Tarigan, Ilham Sahputra, Teuku Multazam

Abstract


Masyarakat mampu mengkonsumsi tiap informasi yang tersebar di internet dengan cepat dan terkadang informasi yang beredar tidak selalu memberikan kebenaran yang sesuai dengan kenyataannya (hoax). Demi mendapatkan keuntungan dan mencapai tujuan pribadi, hoax seringkali sengaja dibuat dan dibagikan. Informasi yang didapatkan dari hoax tentunya dapat mempengaruhi masyarakat karena menimbulkan keraguan dan kebingungan terhadap informasi yang diterima. Oleh karena itu, penulis membahas tentang bagaimana mengklasifikasikan berita hoax menggunakan algoritma Naïve Bayes Classifier sehingga mampu memprediksi sebuah berita hoax atau fakta. Dataset yang dikumpulkan sebanyak 200 diantaranya 100 fakta dan 100 hoax. Dalam proses data split dengan pembagian data testing dan data trainning dengan pembagian 60% data training dan 40% data testing yaitu 120 data trainning dan 80 data testing. Dengan menggunakan algoritma Naive Bayes Classifer mendapatkan nilai Akurasi Sebesar 97%. Pada penelitian ini juga membahas tentang pemanfaatan TF-IDF dalam melakukan Klasifikasi Berita Hoax dengan menggunakan Algoritma Naive Bayes Classifer. Dengan nilai Akurasi 97% menyatakan bahwa Algoritma Naive Bayes Classifer efektif dalam melakukan klasifikasi. Algoritma in mengandalkan teorema Bayes untuk menghitung probabilitas berita hoax berdasarkan kemunculan kata-kata atau fitur-fitur lainnya dalam berita.


Full Text:

PDF

References


Adrianto, A. (2019). Analisis Cabutan Layanan Pada Pelanggan Indihome Menggunakan Algoritma Multiple Linear Regression Dengan Bahasa Pemrograman Python. Doctoral dissertation, Program Studi Informatika, Universitas Widyatama.

Ainun, N. (2021). analisis klasifikasi opini program studi menggunakan algoritma naïve bayes classifier pada universitas komputer indonesia. (Doctoral dissertation, Univeristas Komputer Indonesia).

Alfarisi, A. &. (2023). Penyebarluasan Berita Hoax Melalui Media Sosial (Studi Komparatif Pandangan Hukum Positif Indonesia dan Hukum Islam). Al-Amwal: Jurnal Ekonomi dan Perbankan Syariah.

ALVINA, D. (2023). Penerapan Kode Etik Jurnalistik Dalam Proses Produksi Berita Pada Radar Lampung (Doctoral Dissertation, Uin Raden Intan Lampung).

Baby, M. N. (2019). Customer classification and prediction based on data mining technique.

Cahyadi, R. (2020). Survei KIC: Hampir 60% Orang Indonesia Terpapar Hoax Saat Mengakses Internet. beritasatu.com.

Farach, D. &. (2019). Implementasi Metode Naïve Bayes Classifier dalam Analisis Sentimen Pada Opini Masyarakat Tentang RUU KUHP. Jurnal Advance in Social, Education and Humanities Research.

Fitria, U. E. (2018). erbandingan Kinerja Machine Learning Berbasis Algoritma Sepport Vectore Machine dan Naive Bayes. Skripsi Jurusan Statistika FMIPA UII.

ing, S. I. (2020). Is naive bayes a good classifier for document classification. International Journal of Software Engineering and Its Applications, 5, 37–46.

Juditha, C. (2018). Hoax Communication Interactivity in Social Media and Anticipation (Interaksi Komunikasi Hoax di Media Sosial serta Antisipasinya). Pekommas.

Kohli, S. (2019). “Understanding a Classification Report For Your Machine Learning .

Kusnandar, V. B. (2021). Pengguna Internet Indonesia Peringkat ke-3 Terbanyak di Asia. databoks.katadata.co.id.

Luqyana, W. A. (2018). Analisis Sentimen Cyrberbullyong pada Komentar Instangram dengan Metode Klasifikasi Support Vector Machine. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 2, 4704-4713.

Mirzaalian, F. H. (2019). Social media analytics in hospitality and tourism and future trends. Journal of Hospitality and Tourism Technology,. https://doi.org/10.1108/ JHTT-08-2018-0078, 764–790.

Munjiah Nur Saadah, R. W. (2019). Sistem Temu Kembali Dokumen Teks dengan Pembobotan Tf-Idf Dan LCS. JUTI, 11, 17 – 20.

Syahrudin, A. N. (2018). Input dan output pada bahasa pemrograman python. Jurnal Dasar Pemograman Python STMIK, 20, 1-7.

Widiastuti, N. H. (2023). Komparasi Algoritma Klasifikasi Datamining Untuk Prediksi Minat Pencari Kerja. Jurnal Teknoinfo, 17, 219-227.




DOI: https://doi.org/10.29103/sisfo.v8i1.18083

Article Metrics

 Abstract Views : 134 times
 PDF Downloaded : 34 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Anjasmara Tarigan

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 


 
 

Universitas Malikussaleh
 

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.