Puspita, Dila (2024) IMPLEMENTASI DETEKSI BERITA CLICKBAIT BERBAHASA INDONESIA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM). S1 thesis, Universitas Malikussaleh.

	Text Dila Puspita_200170024_Cover.pdf Download (131kB)
	Text Dila Puspita_200170024_Abstrak.pdf Download (691kB)
	Text Dila Puspita_200170024_Bab I.pdf Download (1MB)
	Text Dila Puspita_200170024_Daftar pustaka.pdf Download (759kB)
	Text Dila Puspita_200170024_Implementasi Deteksi Berita Clickbait Berbahasa Indonesia Menggunakan Algoritma Support Vector Machine.pdf Restricted to Registered users only Download (1MB)

Abstract

Berita online semakin populer seiring dengan peningkatan penggunaan internet dimasyarakat. Namun, fenomena clickbait muncul ketika banyak produsen berita memanfaatkan teknik ini untuk menarik perhatian pembaca dengan cara yang menyesatkan. Clickbait ditandai dengan penggunaan judul sensasional atau menyesatkan yang tidak selalu mencerminkan isi konten, sehingga sering kali mengecewakan pembaca dan merusak reputasi media. Penelitian ini bertujuan untuk mengembangkan sebuah sistem yang dapat mendeteksi berita clickbait guna memastikan bahwa pembaca mendapatkan informasi yang akurat dan meningkatkan kualitas berita online secara keseluruhan. Salah satu metode yang digunakan dalam penelitian ini adalah Support Vector Machine (SVM), yang diharapkan dapat mengklasifikasikan berita clickbait dan menyajikan informasi yang lebih relevan. SVM berfungsi dengan mengidentifikasi hyperplane optimal untuk memisahkan dua kelompok data, dan dapat menangani masalah linier maupun non-linier. Dengan menggunakan data latih terlabel, SVM akan menemukan pola dalam fitur judul dan isi konten untuk melakukan klasifikasi antara clickbait dan non-clickbai. Dataset yang digunakan dalam penelitian ini terdiri dari 8.610 berita yang telah dianotasi, dengan pembagian yang jelas antara data latih dan data uji. Dari jumlah tersebut, sebanyak 6.888 berita digunakan sebagai data latih untuk melatih model, sedangkan 1.722 berita lainnya digunakan sebagai data uji untuk mengukur kinerja model. Hasil evaluasi model menunjukkan akurasi sebesar 82%, precision 81%, recall 67%, dan F1-score 73% serta untuk non-clickbait presisi 82%, recall 90%, dan f1-score 86%. Evaluasi ini menunjukkan bahwa metode SVM efektif dalam memisahkan berita clickbait dari non-clickbait.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Dila Puspita
Date Deposited:	16 Jan 2025 03:13
Last Modified:	16 Jan 2025 03:13
URI:	https://rama.unimal.ac.id/id/eprint/9206

Actions (login required)

View Item