UTAMI, Mailia Putri and Nurhayati, Oky Dwi and Warsito, Budi (2021) SISTEM PENDETEKSI INFORMASI HOAX MENGGUNAKAN ALGORITMA APRIORI DAN ALGORITMA RANDOM FOREST PADA APLIKASI TWITTER. Masters thesis, School of Postgraduate Studies.

	Text Mailia Putri Utami_30000319410012_COVER.pdf Download (643kB)
	Text Mailia Putri Utami_30000319410012_BAB I.pdf Download (19kB)
	Text Mailia Putri Utami_30000319410012_BAB II.pdf Download (439kB)
	Text Mailia Putri Utami_30000319410012_BAB III.pdf Restricted to Repository staff only Download (316kB)
	Text Mailia Putri Utami_30000319410012_BAB IV.pdf Restricted to Repository staff only Download (942kB)
	Text Mailia Putri Utami_30000319410012_BAB V.pdf Download (130kB)
	Text Mailia Putri Utami_30000319410012_DAFTAR PUSTAKA.pdf Download (93kB)

Abstract

Penelitian ini didasari dengan adanya gangguan yang sering kali ditemukan pengguna social media Twitter, yaitu terkait penyebaran informasi hoax berbentuk teks. Salah satu upaya untuk menanggulangi permasalahan tersebut yaitu membangun sistem untuk mendeteksi berita hoax pada aplikasi Twitter. Kumpulan dari informasi berbentuk teks pada social media, dapat menangkap penggunaan Bahasa dalam bentuk tertulis maupun lisan (corpus). Berdasarkan kelebihan dari algoritma Apriori yaitu algoritma tersebut mampu menambang data teks dari banyaknya dataset yang digunakan, serta mampu menemukan pola hubungan atau kombinasi itemset dalam suatu database sebagai rekomendasi dari
pola yang dibangkitkan. Selain itu, sistem pendeteksi juga diperlukan metode untuk mengklasifikasikan informasi berdasarkan kelasnya hoax atau non-hoax. Salah satu algoritma yang akan digunakan yaitu menggunakan algoritma Random Forest, yang mana algoritma tersebut mampu mengekstrak dari bentuk decision tree menjadi sebuah keputusan yang terlihat jelas dengan kata lain mampu mengklasifikasi dengan cepat dan mampu mengahasilkan solusi keputusan yang paling optimal. Tujuan dari penelitian ini selain menerapkan dan
mengintegrasikan Algoritma Apriori dan Algoritma Random Forest adalah untuk mempermudah peneliti menganalisis dan mengevalusi hasil dari sistem yang dibangun dalam mendeteksi informasi hoax dengan tingkat akurasi yang paling optimal. Hasil penelitian menunjukkan bahwa sistem dapat mendeteksi berita hoax dan non-hoax yang datanya terintegrasi langsung dengan aplikasi Twitter, yang mana memiliki nilai mean absolute error mencapai 0 untuk masing-masing percobaan dalam mengklasifikasikan berita hoax dan berita non-hoax. Tingkat akurasi dari sistem yang telah dibangun dalam mendeteksi informasi berita pada aplikasi Twitter dengan nilai minimum support 2 yaitu 99.4%.
Kata Kunci : Algoritma Apriori, Text Mining, Algoritma Random Forest, Machine Learning, Pendeteksi hoax

This research is based on the disturbance that is often found by Twitter social media users, namely related to the dissemination of hoax information in the form of text. One of the efforts to overcome this problem is to build a system to detect hoax news on the Twitter application. A collection of information in the form of text on social media, can capture the use of language in written and spoken form (corpus). Based on the advantages of the Apriori algorithm, the algorithm is able to mine text data from the number of datasets used, and is able to find relationship patterns or itemset combinations in a database as a recommendation of the generated patterns. In addition, a detection system also requires a method to classify information based on its class as hoax or non-hoax. One of the algorithms
to be used is the Random Forest algorithm, in which the algorithm is able to extract from the form of a decision tree into a clearly visible decision, in other words it is able to classify quickly and to produce the most optimal decision solution. The purpose of this research, apart from implementing and integrating the Apriori Algorithm and the Random Forest Algorithm, is to make it easier for researchers to analyze and evaluate the results of the system built to detect hoax information with the most optimal level of accuracy. The results showed that the system can detect hoax and non-hoax news, whose data is directly integrated with the Twitter application, which has a mean absolute error value of 0 for each experiment in classifying hoax news and non-hoax news. The level of accuracy of the system that has been built in detecting news information on the Twitter application with a minimum value of support 2 is 99.4%.
Keyword : Apriori algorithm, Text Mining, Random Forest algorithm, Machine Learning, Hoax Detection

Actions (login required)

View Item