SUENA, Tobias Martin (2024) KLASIFIKASI BERITA HOAKS INDONESIA MENGGUNAKAN SUPPORT VECTOR MACHINE DENGAN KOMBINASI BOW DAN TF-IDF. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (31kB)
	Text 4. HALAMAN PENGESAHAN.pdf Download (275kB)
	Text 5. KATA PENGANTAR.pdf Download (346kB)
	Text 7. ABSTRAK.pdf Download (6kB)
	Text 8. ABSTRACT.pdf Download (6kB)
	Text 9. DAFTAR ISI.pdf Download (38kB)
	Text 12. BAB I.pdf Download (41kB)
	Text 17.DAFTAR PUSTAKA.pdf Download (81kB)

Abstract

Perkembangan teknologi informasi dan meluasnya akses internet telah mengubah cara kita
untuk membuat, mengonsumsi, dan menyebarkan informasi secara digital di Indonesia.
Namun, fenomena ini juga dapat membuka peluang besar bagi penyebaran berita palsu atau
hoaks. Dampak penyebaran berita hoaks bagi pemerintahan yaitu dapat mengakibatkan
masyarakat kehilangan kepercayaan terhadap lembaga pemerintahan, serta menimbulkan
keraguan, kecemasan, dan kecurigaan terhadap kinerja pemerintahan. Selain itu, berita hoaks
juga dapat memicu adanya ujaran kebencian, diskriminasi, dan permusuhan terhadap
kelompok yang berbeda suku, agama, ras, atau etnis. Hal tersebut dapat memunculkan
gesekan dan kekerasan sosial. Untuk menghindari dampak buruk tersebut, maka kita perlu
sistem berbasis machine learning yang bisa membantu kita mengklasifikasikan berita hoaks.
Pada penelitian ini dilakukan pembuatan model pengklasifikasian berita hoaks dengan
menggunakan Support Vector Machine (SVM), serta kombinasi ekstraksi fitur BoW dan TF
IDF. Parameter yang digunakan pada SVM adalah kernel dan nilai C. Hasil penelitian
menunjukkan bahwa kombinasi BoW dan TF-IDF dengan model Support Vector Machine
menghasilkan akurasi sebesar 84,6% dalam mengklasifikasikan berita hoaks.
Kata kunci : Hoaks, TF-IDF, BoW, Machine learning, Support Vector Machine

Actions (login required)

View Item