Studi Komparasi Metode Svm, Logistic Regresion Dan Random Forest Clasifier Untuk Mengklasifikasi Fake News di Twitter
Abstract
Media sosial adalah salah satu platform utama untuk mendapatkan berita dan informasi. Internet adalah media yang paling cerdas dan mudah didapat, juga secara signifikan membantu dalam mengembangkan kehidupan kita. Namun, itu juga memberikan kesulitan bagi tersebar luas berita palsu. Alasan di balik fakenews adalah menciptakan sensasi untuk mendapatkan perhatian audiens dan membangun dampak negatif pada saat itu. Deteksi berita palsu untuk memurnikan lingkungan Internet. Maka perlu dilakukan pengklasifikasian fakenews menggunakan teknik klasifikasi dengan data mining dan menggunakan 3 metode yaitu SVM, Logistic Regresion dan Random Forest Clasifier dengan mendapatkan tingkat akurasi SVM = 98%, Logistic Regresion = 97% dan Random Forest Clasifier = 97%.
Keywords
Full Text:
PDF (Indonesian)References
C. Juditha, Interaksi Komunikasi Hoax di Media Sosial serta Antisipasinya, Jurnal Pekommas, vol. 3, pp. 31-44, 2018.
A. Justito, G. G. H. and N. Maharani, Hoax, Reproduksi Dan Persebaran: Suatu Penelusuran Literatur, Jurnal Pengabdian Kepada Masyarakat , vol. 1, pp. 271-278, 2017.
A. R. Sabrina, Literasi Digital Sebagai Upaya Preventif Menanggulangi Hoax, Journal of Communication Studies, vol. 5, pp. 31-46.
Z. Shahbazi and C. Byun, Fake Media Detection Based on Natural Language Processing and Blockchain Approaches, IEEE Access, vol. 9, pp. 128443-128453, 2021.
L. Ying, H. Yu, J. Wang, Y. Ji and S. Qian, Fake News Detection via Multi-Modal Topic Memory Network, IEEE Access, vol. 9, pp. 132818-132828, 2021.
I. M. Parapat, M. T. Furqon and S. , Penerapan Metode Support Vector Machine (SVM) Pada Klasifikasi Penyimpangan Tumbuh Kembang Anak, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, pp. 3163-3169, 2018.
R. Hendayana, Penerapan Metode Regresi Logistik Dalam Menganalisis Adopsi Teknologi Pertanian, Informatika Pertanian, vol. 22, pp. 1-9, 2013.
N. Wuryani and S. Agustiani, Random Forest Classifieruntuk Deteksi Penderita COVID-19 berbasis Citra CT Scan, Jurnal Teknik KomputerAMIK BSI, vol. 7, pp. 187-193, 2021.
DOI: http://dx.doi.org/10.51213/jimp.v7i2.472
Copyright (c) 2023 Anosa Putri Ruise, Ahmad Sanusi Mashuri, Muhammad Sulaiman, Fazrur Rahman
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.