Dalimunthe, Amir Hasan (2024) UNJUK KERJA ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN NAÏVE BAYES DALAM KLASIFIKASI BERITA HOAKS PADA APLIKASI TWITTER TENTANG AKSI CEPAT TANGGAP (ACT). S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (83kB)
	Text Abstrak.pdf Download (51kB)
	Text Bab I.pdf Download (122kB)
	Text Daftar Pustaka.pdf Download (179kB)
	Text Full-text.pdf Restricted to Registered users only Download (1MB)

Abstract

Twitter merupakan salah satu media sosial yang banyak digunakan oleh masyarakat sebagai media komunikasi dan memperoleh informasi. Melalui media sosial ini, Informasi yang tersebar di internet dengan cepat dan terkadang informasi yang beredar tidak selalu memberikan kebenaran yang sesuai dengan kenyataannya (hoaks). Informasi yang didapatkan dari hoax tentunya dapat mempengaruhi masyarakat karena menimbulkan keraguan dan kebingungan terhadap informasi yang diterima. Oleh karena itu, penelitian ini membahas tentang bagaimana pengklasifikasikan berita mengenai Aksi Cepat Tanggap (ACT) menggunakan algoritma Naïve Bayes dan Support Vector Machine untuk memprediksi berita tersebut masuk kedalam fakta atau hoaks. Dalam melakukan klasifikasi, langkah awal adalah mengumpulkan data dari aplikasi Twitter dengan teknik scraping. Setelah itu, data tersebut diberi label untuk klasifikasi, kemudian dilakukan text preprocessing. Sesudah tahap pre-processing selesai, kemudian dilakukan tahap selanjutnya yaitu menjalankan klasifikasi dengan metode Naïve Bayes dan Support Vector Machine. 1425 data digunakan untuk penelitian ini, dimana akan dibagi menjadi kategori fakta dan kategori hoaks. Pada proses klasifikasi algoritma Naïve Bayes menghasilkan akurasi sebesar 66,76%, presisi sebesar 70,13%, dan recall sebesar 58,38%. Sedangkan hasil evaluasi klasifikasi Support Vector Machine (SVM) menghasilkan akurasi sebesar 65,22%, presisi sebesar 71,37%, dan recall sebesar 50,84%. Sehingga dapat disimpulkan performa algoritma Naïve Bayes memiliki performa yang lebih bagus dari algoritma Support Vector Machine.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Amir Hasan Dalimunthe
Date Deposited:	15 Nov 2024 01:48
Last Modified:	15 Nov 2024 01:48
URI:	https://rama.unimal.ac.id/id/eprint/7577

Actions (login required)

View Item