Sistem Identifikasi “Fake News” menggunakan Metode Multinomial Naïve Bayes

Alifia Zahra, M. Nurkamal Fauzan

Abstract


Penyebaran berita melalui media sosial sangat cepat di masa kini. Tidak hanya melalui televisi tetapi kini dapat ditemukan di berbagai platform seperti platform global yaitu twitter. Tetapi dengan cepatnya penyebaran tidak memungkiri berita palsu atau yang dikenal sebagai hoaks marak muncul ke permukaan. Dengan berbagai tujuan dari pengunggahnya, berita hoaks dapat menyebabkan perpecahan di antara masyarakat dan juga misinformasi. Melalui uji coba yang dilakukan berita dapat diklasifikasikan sebagai berita actual atau hoaks dengan menggunakan metode Multinomial Naïve Bayes, yaitu algoritma yang biasa digunakan untuk klasifikasi data/teks pada kelas tertentu. Data didapatkan melalui proses crawling data Twitter API dengan query “berita” sebanyak 500 di preprocessing dan dilabeling sebelum ditrain dan menjadi data test. Setelah melakukan uji coba, akurasi model yang didapatkan menggunakan algoritma ini sebesar 83 % dan akurasi training set sebesar 94 %.


Keywords


Analisis; Multninomial Naïve Bayes; Berita Hoaks; Twitter API

Full Text:

PDF

References


M. MUDJAHIDIN and N. DITA PAHANG PUTRA, “Rancang Bangun Sistem Informasi Monitoring Perkembangan Proyek Berbasis Web,” J. Tek. Ind., vol. 11, no. 1, p. 75, 2012, doi: 10.22219/jtiumm.vol11.no1.75-83.

M. Arhami, Konsep Dasar Sistem Pakar. Yogyakarta: Andi Offset, 2005.

M. A. Hearst, Text data mining: Issues, techniques, and the relationship to information access. Presentation notes for UW/MS workshop on data mining. 1997.

R. Feldman and I. Dagan, “Knowledge Discovery in Textual Databases (KDT),” Int. Conf. Knowl. Discov. Data Min., pp. 112–117, 1995, [Online]. Available: http://www.aaai.org/Papers/KDD/1995/KDD95-012.pdf.

R. Feldman and J. Sanger, The Text Mining Handbook-Advanced Approaches in Analyzing Unstructured Data. New York, 2007.

C. Triawati, M. A. Bijaksana, N. Indrawati, and W. A. Saputro, “Pemodelan Berbasis Konsep Untuk Kategorisasi Artikel Berita,” Semin. Nas. Apl. Teknol. Inf., vol. 2009, no. Snati, pp. 48–53, 2009.

Twitter, “Twitter API,” 2015. https://developer.twitter.com/en/docs (accessed Feb. 07, 2022).

A. Saputra, API Developer Buku Sakti Para Pengembang Web. 2014.

A. Materi, “Pengertian Python, Fungsi, Kelebihan dan Kekurangan,” 2021. https://materibelajar.co.id/pengertian-python/ (accessed Feb. 07, 2022).

F. Amin, “Sistem Temu Kembali Informasi Dengan Metode Vector Space Model (Studi Kasus Biografi Pahlawan Indonesia),” J. Sist. Inf. Bisnis 02, 2012.

L. Valatehan, “Identifikasi kalimat pemborosan menggunakan rule base reasoning,” Annu. Res. Semin., vol. 2, no. 1, pp. 205–208, 2017.

R. Y. Baeza and R. Neto, Modern Information Retrieval. Boston, 1999.

C. D. Manning, P. Raghavan, and H. Schütze, Introduction to Information Retrieval. Cambridge: Cambridge University Press, 2008.

“Kamus Besar Bahasa Indonesia.” https://kbbi.kemdikbud.go.id/ (accessed Feb. 07, 2022).

T. Arifin, “Metode Data Mining Untuk Klasifikasi Data Sel Nukleus Dan Sel Radang Berdasarkan Analisa Tekstur,” Informatika, vol. II, no. 2, pp. 425–433, 2015.

G. Wilson, R. Devillers, and O. Hoeber, “Fuzzy logic ranking for personalized geographic information retrieval,” Adv. Intell. Syst. Comput., vol. 179 AISC, pp. 111–123, 2012, doi: 10.1007/978-3-642-31603-6_10.

A. Saleh, “Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga,” Creat. Inf. Technol. J., vol. 2, no. 3, pp. 207–217, 2015.

R. Parikh and M. Movassate, “Sentiment Analysis of User-Generated Twitter Updates using Various Classification Techniques,” Final Rep. CS225N, pp. 1–18, 2009, [Online]. Available: http://nlp.stanford.edu/courses/cs224n/2009/fp/19.pdf.

M. N. Ardhiansyah, R. Umar, and Sunardi, “Analisis Sentimen pada Twitter Menggunakan Metode Support Vector Machine,” Semin. Nas. Teknol. Fak. Tek. Univ. Krisnadwipayana, vol. 1, no. 1, pp. 739–742, 2019, [Online]. Available: https://jurnal.teknikunkris.ac.id/index.php/semnastek2019/article/view/343/342.

A. M. Zuhdi, E. Utami, and S. Raharjo, “Analisis sentiment twitter terhadap capres Indonesia 2019 dengan metode K-NN,” J. Inf. Politek. Indonusa Surakarta, vol. 5, pp. 1–7, 2019.




DOI: https://doi.org/10.26418/justin.v10i4.52441

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 JUSTIN (Jurnal Sistem dan Teknologi Informasi)

ara komputer
View My Stats

Creative Commons License
All article in Justin is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License