KLASIFIKASI BERITA HOAX TERKAIT PEMILIHAN UMUM PRESIDEN REPUBLIK INDONESIA TAHUN 2024 MENGGUNAKAN NAÏVE BAYES DAN SVM
DOI:
https://doi.org/10.20884/1.dinarek.2024.20.1.27Keywords:
hoax, naive bayes, pilpres, support vector machineAbstract
Pemilihan Umum Presiden di Indonesia merupakan salah satu peristiwa penting dalam kehidupan berpolitik negara. Peristiwa ini selalu mendapat perhatian publik yang besar dari segenap masyarakat. Seperti pada era digital ini, akses berita sangat mudah diakses oleh setiap orang, dan hal ini pula dimanfaatkan oleh beberapa oknum tak bertanggung jawab guna mendapat keuntungan bagi diri sendiri, kelompok, maupun golongan tertentu dengan cara menyebarkan berita hoax mengenai isu pilpres di Indonesia. Karenanya, penelitian ini bertujuan mengimplementasikan metode klasifikasi berita hoaks terkait Pilpres 2024 menggunakan algoritma Naive Bayes serta Support Vector Machine (SVM). Evaluasi dilakukan dengan membandingkan kinerja kedua algoritma dalam hal akurasi, presisi, recall, serta F1-score. Hasil menunjukkan bahwa Naive Bayes mencapai akurasi sebesar 97% dengan presisi 94%, recall 100%, dan F1-score 97%. Sementara itu, SVM memiliki akurasi 95%, presisi 94%, recall 97%, serta F1-score 95%. Kesimpulan didapatkan bahwa kedua algoritma memiliki kinerja yang layak dalam klasifikasi berita hoax non hoax pemilihan umum presiden di Indonesia tahun 2024.
Downloads
References
C. A. Misrun, E. Haerani, M. Fikry, and E. Budianita, “Analisis sentimen komentar youtube terhadap Anies Baswedan sebagai bakal calon presiden 2024 menggunakan metode naive bayes classifier,” J. Comput. Sci. Inf. Technol., vol. 4, no. 1, pp. 207–215, 2024.
R. Vindua and A. U. Zailani, “Analisis Sentimen Pemilu Indonesia Tahun 2024 Dari Media Sosial Twitter Menggunakan Python,” JURIKOM (Jurnal Ris. Komputer), vol. 10, no. 2, p. 479, 2023, doi: 10.30865/jurikom.v10i2.5945.
T. D. Putra, E. Utami, and M. P.Kurniawan, “Analisis Sentimen Pemilu 2024 Dengan Naive Bayes Berbasis Particle Swarm Optimization (Pso),” Explore, vol. 13, no. 1, pp. 1–5, 2022, [Online]. Available: https://ojs.utmmataram.ac.id/index.php/explore/article/view/617
Y. Findawati, U. Indahyanti, Y. Rahmawati, and R. Puspitasari, “Sentiment Analysis of Potential Presidential Candidates 2024: A Twitter-Based Study,” Acad. Open, vol. 8, no. 1, pp. 6–17, 2023, doi: 10.21070/acopen.8.2023.7138.
C. S. Sriyano and E. B. Setiawan, “Pendeteksian Berita Hoax Menggunakan Naive Bayes Multinomial Pada Twitter dengan Fitur Pembobotan TF-IDF,” e-Proceeding Eng., vol. 8, no. 2, pp. 3396–3405, 2021.
E. A. Sosiawan and R. Wibowo, “Kontestasi Berita Hoax Pemilu Presiden Tahun 2019 di Media Daring dan Media Sosial,” J. Ilmu Komun., vol. 17, no. 2, p. 133, 2020, doi: 10.31315/jik.v17i2.3695.
S. Kharya and S. Soni, “Weighted Naive Bayes Classifier: A Predictive Model for Breast Cancer Detection,” Int. J. Comput. Appl., vol. 133, no. 9, pp. 32–37, 2016, doi: 10.5120/ijca2016908023.
B. Imran, Zaeniah, Sriasih, S. Erniwati, and Salman, “Data Mining Using a Support Vector Machine , Decision Tree , Logistic Regression and Random Forest for,” J. INFOKUM, vol. 10, no. 2, pp. 792–802, 2022.
E. I. Setiawan, S. Johanes, A. T. Hermawan, and Y. Yamasari, “Deteksi Validitas Berita pada Media Sosial Twitter dengan Algoritma Naive Bayes,” J. Intell. Syst. Comput., vol. 3, no. 2, pp. 55–60, 2021, doi: 10.52985/insyst.v3i2.164.
F. Rahutomo, I. Y. R. Pratiwi, Pratiwi, and D. M. Ramadhani, “EKSPERIMEN NAÏVE BAYES PADA DETEKSI BERITA HOAX BERBAHASA INDONESIA,” J. Penelit. Komun. dan Opini Publik Vol., vol. 23, no. 1, pp. 271–274, 2019, doi: 10.1109/ICAC3N56670.2022.10074374.
D. Maulina and R. Sagara, “Klasifikasi Artikel Hoax Menggunakan Support Vector Machine Linear Dengan Pembobotan Term Frequency-Inverse Document Frequency,” J. Mantik Penusa, vol. 2, no. 1, pp. 35–40, 2018.
U. Minuril, AlvanofMulia Mahendra, and Rahmat, “Analisa Dan Deteksi Konten Hoax Pada Media Berita Indonesia Menggunakan Machine Learning,” J. Teknol. Terap. Sains 4.0, vol. 1, no. 2, 2020.
S. Indah Nurhafida and F. Sembiring, “Analisis Text Clustering Masyarakat Di Twiter Mengenai Mcdonald’Sxbts Menggunakan Orange Data Mining,” SISMATIK (Seminar Nas. Sist. Inf. dan Manaj. Inform., pp. 28–35, 2021.
A. Wijaya, C. Rozikin, and B. N. Sari, “Penerapan Text Mining Untuk Klasifikasi Judul Berita Hoax Vaksinasi COVID-19 Menggunakan Algoritma Support Vector Machine,” J. Ilm. Wahana Pendidik., vol. 8, no. 16, pp. 11–20, 2022, [Online]. Available: https://doi.org/10.5281/zenodo.7058890
H. Muhabatin, C. Prabowo, I. Ali, C. L. Rohmat, and D. R. Amalia, “Klasifikasi Berita Hoax Menggunakan Algoritma Naïve Bayes Berbasis PSO,” INFORMATICS Educ. Prof. J. Informatics, vol. 5, no. 2, p. 156, 2021, doi: 10.51211/itbi.v5i2.1531.
M. A. Rosid, A. S. Fitrani, I. R. I. Astutik, N. I. Mulloh, and H. A. Gozali, “Improving Text Preprocessing for Student Complaint Document Classification Using Sastrawi,” IOP Conf. Ser. Mater. Sci. Eng., vol. 874, no. 1, 2020, doi: 10.1088/1757-899X/874/1/012017.
L. A. Andika, P. A. N. Azizah, and R. Respatiwulan, “Analisis Sentimen Masyarakat terhadap Hasil Quick Count Pemilihan Presiden Indonesia 2019 pada Media Sosial Twitter Menggunakan Metode Naive Bayes Classifier,” Indones. J. Appl. Stat., vol. 2, no. 1, p. 34, 2019, doi: 10.13057/ijas.v2i1.29998.
Heliyanti Susana, “Penerapan Model Klasifikasi Metode Naive Bayes Terhadap Penggunaan Akses Internet,” J. Ris. Sist. Inf. dan Teknol. Inf., vol. 4, no. 1, pp. 1–8, 2022, doi: 10.52005/jursistekni.v4i1.96.
H. Mustofa and A. A. Mahfudh, “Klasifikasi Berita Hoax Dengan Menggunakan Metode Naive Bayes,” Walisongo J. Inf. Technol., vol. 1, no. 1, p. 1, 2019, doi: 10.21580/wjit.2019.1.1.3915.
P. K. Laksana Utama, “Identifikasi Hoax pada Media Sosial dengan Pendekatan Machine Learning,” Widya Duta J. Ilm. Ilmu Agama dan Ilmu Sos. Budaya, vol. 13, no. 1, p. 69, 2018, doi: 10.25078/wd.v13i1.436.
C. A. Ul Hassan, M. S. Khan, and M. A. Shah, “Comparison of machine learning algorithms in data classification,” ICAC 2018 - 2018 24th IEEE Int. Conf. Autom. Comput. Improv. Product. through Autom. Comput., no. January, pp. 1–6, 2018, doi: 10.23919/IConAC.2018.8748995.
I. P. Putri, “Analisis Performa Metode K- Nearest Neighbor (KNN) dan Crossvalidation pada Data Penyakit Cardiovascular,” Indones. J. Data Sci., vol. 2, no. 1, pp. 21–28, 2021, doi: 10.33096/ijodas.v2i1.25.
