ANALISIS KLASIFIKASI BERITA HOAX COVID 19 MENGGUNAKAN ALGORITMA NAÏVE BAYES

FANI, PRASETIA BUDI (2022) ANALISIS KLASIFIKASI BERITA HOAX COVID 19 MENGGUNAKAN ALGORITMA NAÏVE BAYES. Diploma thesis, UNIVERSITAS BINA DARMA.

	Text (Jurnal) Artikerl Jurnal & LOA.pdf Restricted to Repository staff only Download (897kB)
	Text (bab 0) BAB 0.pdf Download (926kB)
	Text (bab 1) BAB 1.pdf Download (269kB)
	Text (daftar pustaka) DAFTAR PUSTAKA.pdf Download (301kB)
	Text (turnitin) hasil turnitin.pdf Restricted to Repository staff only Download (2MB)
	Text (lampiran) Lampiran.pdf Restricted to Repository staff only Download (927kB)
	Text (skripsi) Skripsi Full.pdf Restricted to Repository staff only Download (3MB)

Abstract

Penyebaran informasi yang begitu cepat seiring pesatnya perkembangan teknologi seiring masifnya kecepatan media elektronik dan internet. Tetapi penyebaran berita yang secara cepat ini tidak dapat menjamin informasi dan berita yang kita peroleh dapat di validasidari sumber yang valid. Berdasarkan data yang dirilis oleh Kominfo pada akhir tahun 2021 terdapat 1773 berita hoax yang berhasil di klarifikasi dari berita-berita hoax tersebut. Lalu selama pandemi Covid-19 sendiri, ada beragam hoaks yang beredar di masyarakat. Sepanjang2021, Kementerian Kominfo menemukan sebanyak 723 hoaks seputar Covid-19. Berdasarkanlatar belakang diatas peneliti dan pada penelitian sebelumnya, telah membahas tentang deteksihoax pada berbagai bidang. Seperti, deteksi penipuan pada gaya penulisan daring [1], klasifikasi berita hoax berbasis pembelajaran mesin[3] dan Penerapan Algoritma naïve bayes dan pso untuk klasifikasi berita hoax pada media sosial [4]. Dari sini peneliti mencoba melalukan eksperimen pada algoritma klasifikasi naïve bayes untuk mengklasifikasikan beritahoax covid 19. Berdasarkan hasil penelitian yang telah dilakukan yang model naïve bayes dan cross validation dapat melakukan klasifikasi berita hoax dengan baik, akurasi yang dihasilkansebesar 86.3% dimana 80-90% masuk pada kriteria good classification. Data yang diprediksi salah juga tidak terlalu banyak dari total 300 dataset hanya 41 yang dinyatakan salah dalam pelabelan tidak sampai 2% dari keseluruhan total dataset, sehingga dapat disimpulkan model ini dapat digunakan sebagai referensi apabila ingin dilanjutkan pada model prediksi yang lebihkompleks lagi, misalnya model prediksi menggunanakan machine learning berbasis web. Kata Kunci: Covid-19; Klasifikasi; Hoax; Naive Bayes

Actions (login required)

View Item