PENERAPAN ALGORITMA SVM UNTUK KLASIFIKASI BERITA HOAKS PADA MASA PEMILU PRESIDEN 2024

Adrian, Rizky (2025) PENERAPAN ALGORITMA SVM UNTUK KLASIFIKASI BERITA HOAKS PADA MASA PEMILU PRESIDEN 2024. Skripsi thesis, UNAMA.

	Text BAB 1.pdf Download (406kB)
	Text BAB II.pdf Restricted to Registered users only Download (532kB)
	Text BAB III.pdf Restricted to Registered users only Download (307kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Download (195kB)
	Text DAFTAR PUSTAKA.pdf Download (431kB)

Abstract

Penyebaran berita hoaks selama Pemilu Presiden 2024 menjadi tantangan serius dalam menjaga kredibilitas informasi. Penelitian ini bertujuan untuk mengembangkan model klasifikasi berita hoaks menggunakan algoritma Support Vector Machine (SVM) dengan pendekatan Natural Language Processing (NLP). Dataset yang digunakan terdiri dari 1000 berita yang diklasifikasikan sebagai "hoax" dan "real", dikumpulkan dari berbagai sumber daring.Proses klasifikasi mencakup tahapan preprocessing data (case folding, tokenizing, stopword removal, dan stemming), ekstraksi fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF), serta penerapan algoritma SVM untuk membedakan berita hoaks dan asli. Model yang dihasilkan dievaluasi berdasarkan metrik akurasi, presisi, recall, dan F1-score menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa model SVM mampu mengklasifikasikan berita hoaks dengan akurasi 98,62%, precision 98,25%, recall 98,99%, dan F1-score 98,62%. Temuan ini membuktikan bahwa SVM memiliki performa yang unggul dibandingkan metode lain dalam klasifikasi berita hoaks. Dengan hasil ini, penelitian diharapkan dapat membantu pengembangan sistem deteksi berita hoaks yang lebih akurat serta meningkatkan kesadaran masyarakat dalam menyaring informasi selama pemilu.

Actions (login required)

View Item