Klasifikasi Berita Hoax Menggunakan Algoritma Naïve Bayes Berbasis PSO

  • Hegarmanah Muhabatin Rekayasa Perangkat Lunak; STMIK IKMI CIREBON
  • Candi Prabowo Rekayasa Perangkat Lunak; STMIK IKMI CIREBON
  • Irfan Ali Rekayasa Perangkat Lunak; STMIK IKMI CIREBON
  • Cep Lukman Rohmat Rekayasa Perangkat Lunak; STMIK IKMI CIREBON
  • Dita Rizki Amalia Komputerisasi Akuntansi; STMIK IKMI CIREBON

Abstract

Perkembangan teknologi informasi yang begitu cepat memicu penyebaran informasi hoax melalui internet menjadi tidak terkontrol. Sehingga diperlukan suatu sistem cerdas yang dapat melakukan klasifikasi konten berita hoax yang tersebar melalu media internet. Naïve Bayes merupakan salah satu algoritma klasifikasi yang sederhana namun memiliki akurasi yang tinggi, akan tetapi Naïve Bayes memiliki kekurangan yaitu sangat sensitive dalam pemilihan fitur maka dari itu dibutuhkan metode Particle Swarm Optimization (PSO) untuk meningkatkan hasil akurasi. Proses klasifikasi hoax dapat dilakukan melalui tahap preprocessing kemudian pembobotan kata dan dilakukan klasifikasi menggunakan Naïve Bayes. Setelah dilakukan penelitian dengan metode Naïve Bayes dan metode Naïve Bayes berbasis PSO maka hasil yang didapat adalah Naïve Bayes menghasilkan akurasi sebesar 73.64% sedangkan Naïve Bayes berbasis PSO nilai akurasinya sebesar 91,82%. Tujuan dari penelitian ini adalah untuk melihat seberapa besar pengaruh PSO untuk meningkatkan akurasi pada klasifikasi berita hoax pada media sosial menggunakan pengklasifikasi Naïve Bayes. Setelah menggunakan PSO meningkat sebesar 18,18%.

References

[1]. O. Nurdiawan, F. A. Pratama, D. A. Kurnia, Kaslani, and N. Rahaningsih, “Optimization of Traveling Salesman Problem on Scheduling Tour Packages using Genetic Algorithms,” J. Phys. Conf. Ser., vol. 1477, no. 5, pp. 0–6, 2020, doi: 10.1088/1742-6596/1477/5/052037.

[2]. DosenPPKN, “https://dosenppkn.com/pengertian-hoax/,” DosenPPKN, 2018. .

[3]. 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.

[4]. O. Nurdiawan, F. A. Pratama, D. A. Kurnia, Kaslani, and N. Rahaningsih, “Optimization of Traveling Salesman Problem on Scheduling Tour Packages using Genetic Algorithms,” J. Phys. Conf. Ser., vol. 1477, no. 5, 2020, doi: 10.1088/1742-6596/1477/5/052037.
[5]. Fitriani, S., Informatika, T., Teknik, F., & Sidoarjo, U. M. (2019). Penerapan Data Mining Menggunakan Metode Klasifikasi Naïve Bayes untuk Memprediksi Partisipasi Pemilihan Gubernur. 3(2), 98–104.
[6]. R. Firmansyah, “Web Klarifikasi Berita untuk Meminimalisir Penyebaran Berita Hoax,” in Jurnal Informatika, 2017.
[7]. M. Athaillah, Y. Azhar, and Y. Munarko, “Perbandingan Metode Klasifikasi Berita Hoaks Berbahasa Indonesia Berbasis Pembelajaran Mesin,” J. Repos., vol. 2, no. 5, p. 675, 2020, doi: 10.22219/repositor.v2i5.692.
[8]. O. Nurdiawan, D. A. Kurnia, D. Solihudin, T. Hartati, and T. Suprapti, “Comparison of the K-Nearest Neighbor algorithm and the decision tree on moisture classification,” IOP Conf. Ser. Mater. Sci. Eng., vol. 1088, no. 1, p. 012031, 2021, doi: 10.1088/1757-899x/1088/1/012031.
[9]. Kominfo, “Jumlah Pengguna Internet 2017 Meningkat, Kominfo Terus Lakukan Percepatan Pembangunan Broadband,” Kementrian Komun. dan Infotmatika, 2018.
[10] O. Nurdiawan, I. Ali, C. L. Rohmat, and A. R. Rinaldi, “InfoTekJar : Jurnal Nasional Informatika dan Sistem Kendali Sensor Tanah Sebagai Pemonitor Tingkat Kelembaban Media Tanam Padi,” Nas. Inform. dan Teknol. Jar., vol. 1, pp. 0–4, 2020.

.
Published
2021-06-30
How to Cite
MUHABATIN, Hegarmanah et al. Klasifikasi Berita Hoax Menggunakan Algoritma Naïve Bayes Berbasis PSO. INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics, [S.l.], v. 5, n. 2, p. 156-165, june 2021. ISSN 2548-3412. Available at: <https://ejournal-binainsani.ac.id/index.php/ITBI/article/view/1531>. Date accessed: 27 sep. 2021. doi: https://doi.org/10.51211/itbi.v5i2.1531.