Deteksi Validitas Berita pada Media Sosial Twitter dengan Algoritma Naive Bayes

Authors

  • Esther Irawati Setiawan Institut Sains dan Teknologi Terpadu Surabaya https://orcid.org/0000-0002-7163-3556
  • Sugiharto Johanes Institut Sains dan Teknologi Terpadu Surabaya
  • Arya Tandy Hermawan Institut Sains dan Teknologi Terpadu Surabaya
  • Yuni Yamasari Universitas Negeri Surabaya

DOI:

https://doi.org/10.52985/insyst.v3i2.164

Keywords:

Natural Language Processing, Naive Bayes, Berita Palsu, Klasifikasi Dokumen, Machine Learning

Abstract

Banyaknya berita-berita online sering menarik minat masyarakat untuk membacanya, tetapi kadang dengan terlalu banyaknya berita tersebut membuat orang susah mendapatkan informasi yang terpercaya. Berita palsu merupakan kumpulan kata atau kalimat yang mengandung informasi yang tidak benar yang berupaya untuk membohongi atau mengarahkan pembaca atau pendengarnya agar mendukung atau percaya dengan isi beritanya. Penyebar berita palsu umumnya mengetahui bahwa berita yang disebarkan tidak benar. Tujuan penelitian ini adalah mendeteksi berita palsu yang tersebar pada media sosial. Dalam mengklasifikasi berita palsu, deteksi validitas berita digunakan algoritma naïve bayes sebagai kategorisasi teks berbasis pembelajaran mesin. Penelitian ini juga membangun website yang menyediakan fitur web service, pencarian berita yang ada di Twitter, dan klasifikasi berita secara manual. User interface merupakan website berbasis PHP dimana pengguna dapat melakukan interaksi secara langsung sepeti komentar, login, atau melihat artikel-artikel yang sudah diklasifikasi. Sedangkan back-end dari website ini adalah program klasifikasi teks berbasis Python. Dari percobaan yang telah dilakukan ternyata algoritma Naïve Bayes dapat digunakan untuk mengklasifikasi berita palsu. Berdasarkan eksperimen, penggunaan metode naive bayes untuk deteksi validitas berita dengan data uji media social Twitter dapat mencapai nilai akurasi dengan persentase terbaik yaitu 92% pada data ujicoba sebesar 309 artikel.

References

E. Lararenjana, “Mengenal Arti Hoax Atau Berita Bohong, Ketahui Jenis dan Ciri-Cirinya,” May 13, 2020. https://www.merdeka.com/jatim/mengenal-arti-hoax-atau-berita-bohong-dan-cara-tepat-menyikapinya-kln.html

E. Davis, J. Adams, and S. Cohen, “Classifying articles as fake or real,” Language and Statistics course project, 2007.

E. Rasywir and A. Purwarianti, “Eksperimen pada sistem klasifikasi berita hoax berbahasa Indonesia berbasis pembelajaran mesin,” Jurnal Cybermatika, vol. 3, no. 2, 2016.

A. Hanselowski et al., “A retrospective analysis of the fake news challenge stance detection task,” arXiv preprint arXiv:1806.05180, 2018.

A. E. Lillie and E. R. Middelboe, “Fake news detection using stance classification: A survey,” arXiv preprint arXiv:1907.00181, 2019.

J. Thorne, M. Chen, G. Myrianthous, J. Pu, X. Wang, and A. Vlachos, “Fake news stance detection using stacked ensemble of classifiers,” in Proceedings of the 2017 EMNLP Workshop: Natural Language Processing meets Journalism, 2017, pp. 80–83.

E. Lim, E. I. Setiawan, and J. Santoso, “Stance Classification Post Kesehatan di Media Sosial Dengan FastText Embedding dan Deep Learning,” Journal of Intelligent System and Computation, vol. 1, no. 2, pp. 65–73, 2019.

E. I. Setiawan et al., “Analisis Pendapat Masyarakat terhadap Berita Kesehatan Indonesia menggunakan Pemodelan Kalimat berbasis LSTM,” Jurnal Nasional Teknik Elektro dan Teknologi Informasi, vol. 9, no. 1, pp. 8–17, 2020.

G. Rajendran, B. Chitturi, and P. Poornachandran, “Stance-in-depth deep neural approach to stance classification,” Procedia computer science, vol. 132, pp. 1646–1653, 2018.

A. Addawood, J. Schneider, and M. Bashir, “Stance classification of twitter debates: The encryption debate as a use case,” in Proceedings of the 8th International Conference on Social Media & Society, 2017, pp. 1–10.

A. A. Muin and others, “Metode Naive Bayes Untuk Prediksi Kelulusan (Studi Kasus: Data Mahasiswa Baru Perguruan Tinggi),” Jurnal Ilmiah Ilmu Komputer Fakultas Ilmu Komputer Universitas Al Asyariah Mandar, vol. 2, no. 1, pp. 22–26, 2016.

D. N. Chandra, G. Indrawan, and I. N. Sukaraja, “Klasifikasi Berita Lokal Radar Malang Menggunakan Metode Naïve Bayes Dengan Fitur N-Gram,” Jurnal Ilmiah Teknologi Informasi Asia, vol. 10, no. 1, pp. 11–19, 2016.

Downloads

Published

2021-10-01

How to Cite

[1]
E. I. Setiawan, S. Johanes, A. T. Hermawan, and Y. Yamasari, “Deteksi Validitas Berita pada Media Sosial Twitter dengan Algoritma Naive Bayes”, INSYST, vol. 3, no. 2, pp. 55–60, Oct. 2021.

Issue

Vol. 3 No. 2 (2021): INSYST: Journal of Intelligent System and Computation

Section

Articles

License

Copyright (c) 2022 Journal of Intelligent System and Computation

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.