SITORUS, Maria Angeline Halomoan (2025) Klasifikasi Judul Berita Clickbait Berbahasa Indonesia Menggunakan Bidirectional Gated Recurrent Unit. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (211kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (94kB)
	Text 4. KATA PENGANTAR.pdf Download (134kB)
	Text 6. ABSTRAK.pdf Download (131kB)
	Text 7. ABSTRACT.pdf Download (98kB)
	Text 8. DAFTAR ISI.pdf Download (181kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (172kB)
	Text 16. DAFTAR PUSTAKA.pdf Download (175kB)

Abstract

Penelitian ini mengkaji klasifikasi judul berita clickbait berbahasa Indonesia dengan
menggunakan model Bidirectional Gated Recurrent Unit. Latar belakang penelitian ini
berfokus pada meningkatnya jumlah berita daring dan permasalahan yang ditimbulkan oleh
judul clickbait yang dapat menyesatkan pembaca. Tujuan dari penelitian ini adalah untuk
menemukan kombinasi pengaturan hyperparameter dari model Bidirectional Gated
Recurrent Unit yang optimal untuk klasifikasi teks judul berita. Metode penelitian meliputi
pengumpulan data dari sumber berita lokal daring, pra-pemrosesan data, pembagian data
menjadi data latih dan uji, serta pelatihan dan pengujian model deep learning Bidirectional
Gated Recurrent Unit. Hasil evaluasi model akan diukur menggunakan metrik akurasi.
Data yang digunakan dalam penelitian ini adalah judul berita clickbait berbahasa Indonesia
sejumlah 5000 data. Metode yang digunakan dalam penelitian ini adalah Bidirectional
Gated Recurrent Unit. Model klasifikasi judul berita clickbait berbahasa Indonesia dilatih
dan diuji dengan data judul berita dengan kategori clickbait dan non-clickbait. Model
terbaik yang didapat memiliki kombinasi hyperparameter ukuran batch sebesar 512 dan
learning rate sebesar 0,01 dengan perolehan nilai accuracy sebesar 61%.
Kata kunci : Klasifikasi Clickbait, Judul Berita, Bidirectional Gated Recurrent Unit

Actions (login required)

View Item