Record Detail
Advanced Search
Text
Support Vector Machine For Hoax Detection
Seiring dengan perkembangan teknologi informasi, media berita juga ikut berkembang dengan
menyajikan informasi secara online. Bersama dengan perkembangan berita online yang begitu pesat,
maka penyebaran informasi berita bohong (hoax) juga semakin cepat dan meluas. Berita hoax seringkali
disebarkan dengan sengaja untuk berbagai macam tujuan. Umumnya berita hoax ini bertujuan
mengarahkan persepsi pembaca untuk mempercayai sebuah persepsi buruk mengenai sebuah kejadian,
tokoh atau bahkan perusahaan. Motivasi yang dilakukan adalah mengajak pembaca mempercayai
sesuatu hal yang tidak benar dengan tujuan agar menguntungkan pihak penyebar berita merupakan
sesuatu hal yang berbahaya. Penelitian ini bertujuan untuk melakukan deteksi pada berita palsu (hoax)
berbahasa inggris dengan menerapkan algoritma Support vector machine (SVM). Dalam penelitian ini
data yang digunakan berupa dua sumber data yaitu dataset berita berbahasa inggris dari Kaggle dan
berita berbahasa inggris yang diambil dari BBC. Hasil dari penelitian ini menunjukkan penerapan
algoritma SVM ternyata mendapatkan performa yang baik karena model mampu mengaklasifikasikan
berita hoax dengan akurasi 99,4% pada data Kaggle sedangkan pada dataset berita BBC model mencapai
akurasi hingga 98,9%. Dalam penelitian ini, metode SVM terbukti memiliki sifat generalisasi yang baik.
Dimana mampu mengidentifikasikan data uji yang benar benar berbeda dari data latih.
Availability
No copy data
Detail Information
Series Title |
-
|
---|---|
Call Number |
-
|
Publisher | SINTECH (Science and Information Technology) : Indonesia., 2023 |
Collation |
12
|
Language |
Indonesia
|
ISBN/ISSN |
2598-7305
|
Classification |
NONE
|
Content Type |
-
|
Media Type |
-
|
---|---|
Carrier Type |
-
|
Edition |
-
|
Subject(s) | |
Specific Detail Info |
-
|
Statement of Responsibility |
-
|
Other Information
Accreditation |
-
|
---|
Other version/related
No other version available
File Attachment
Information
Web Online Public Access Catalog - Use the search options to find documents quickly