NOOR, Atik Zilziana Muflihati and Gernowo, Rahmat and Nurhayati, Oky Dwi (2023) Augmentasi Data untuk Deteksi Berita Palsu menggunakan Metode Convolutional Neural Network pada Berita Bahasa Indonesia. Masters thesis, UNIVERSITAS DIPONEGORO.

	Text Cover.pdf Download (480kB)
	Text Bab I.pdf Download (261kB)
	Text Bab II.pdf Download (643kB)
	Text Bab III.pdf Restricted to Repository staff only Download (412kB)
	Text Bab IV.pdf Restricted to Repository staff only Download (1MB)
	Text Bab V.pdf Download (138kB)
	Text Daftar Pustaka.pdf Download (212kB)

Abstract

Berita palsu masih menjadi masalah yang harus mendapat perhatian khusus. Berita palsu disebarkan dengan sengaja untuk menyesatkan pembaca agar mempercayai berita yang tidak valid. Beberapa pengguna menggunakan cara yang tidak etis dengan menyebarkan berita palsu dalam berbagai media seperti teks. Sehingga, informasi terbaru yang muncul di jaringan sosial online diragukan dan dalam banyak kasus, menyesatkan pengguna lain. Tujuan utama dari penelitian ini adalah merancang model yang memiliki kemampuan terbaik untuk melakukan tugas teks classification pada konteks berita bahasa Indonesia. Model ini diharapkan dapat digunakan untuk berkontribusi dalam menanggulangi masalah penyebaran berita palsu, khususnya di Indonesia. Metode Augmentasi Data dan Convolutional Neural Network (CNN) diusulkan untuk digunakan dalam melakukan penelitian. Augmentasi yang digunakan pada penelitian ini adalah Easy Data Augmentasi (EDA), EDA sendiri merupakan pendekatan tradisional yang langsung untuk meningkatkan volume data. Metode CNN dapat menjadi salah satu pilihan tepat untuk melakukan teks classification dengan kinerja klasifikasi yang baik dalam melakukan tugas klasifikasi teks. Model pada penelitian ini mampu menghasilkan akurasi sebesar 82.26%, dengan akurasi Recall 97.51% dan F1-Score sebesar 90.07%.
Kata Kunci: Augmentasi Data, Berita Palsu, CNN, Deteksi, Teknik EDA

Fake news is still a problem that should receive special attention. Fake news is spread intentionally to mislead readers into believing invalid news. Some users use unethical means by spreading fake news in various media such as text. Thus, the latest information appearing on online social networks is doubtful and in many cases, misleading other users. The main objective of this research is to design a model that has the best ability to perform text classification tasks in the context of Indonesian language news. This model is expected to be used to contribute to tackling the problem of spreading fake news, especially in Indonesia. Data Augmentation and Convolutional Neural Network (CNN) methods are proposed to be used in conducting the research. The augmentation used in this research is Easy Data Augmentation (EDA), EDA is a traditional approach that directly increases the volume of data. CNN method can be one of the right choices to perform text classification with good classification performance in performing text classification tasks. The model in this study was able to produce an accuracy of 82.26%, with Recall accuracy of 97.51% and F1-Score of 90.07%.
Keywords: Data Augmentation, Fake News, CNN, Detection, EDA Techniques.

Actions (login required)

View Item