Penerapan Metode SVM dan Random Forest untuk Mendeteksi Berita Hoaks pada PT. Global Arrow
DOI:
https://doi.org/10.70309/ticom.v12i3.129Keywords:
statistik, algoritma, berita, laporan, skor, akurasiAbstract
Berdasarkan statistik aduan konten yang tercatat di website kominfo yaitu https://www.kominfo.go.id pada bulan Maret 2022, total laporan mencapai 16.370 laporan dan sejak tanggal 29 Desember 2023, total laporan ada 1.713.103 laporan isu hoaks. Laporan isu hoaks dapat berupa fitnah, penipuan, kekerasan, perdagangan produk dengan aturan khusus, terorisme atau radikalisme, dan sebagainya. Beberapa karakteristik dan dampak berita hoaks atau palsu di Indonesia meliputi adanya peran media sosial seperti facebook, twitter, dan sebagainya. Pengaruhnya terhadap pemilihan umum terutama terkait pemilu pilpres 2024, serta adanya isu hoaks kesehatan terkait COVID-19 yang masih memiliki dampaknya pada tahun 2023 menuju 2024, walaupun tidak seburuk pada tahun 2020 yang lalu. Banyaknya berita hoaks telah membuat masyarakat menjadi enggan divaksinasi karena disebarkan informasi yang tidak akurat dan sejenisnya. Beberapa masalah yang timbul akibat berita hoaks antara lain ketidakpercayaan masyarakat, kekacauan sosial, ketidakstabilan politik, dampak ekonomi, diskriminasi dan perpecahan sosial. Berdasarkan permasalahan yang timbul, potensi dampak yang dapat terjadi, serta beberapa laporan mengenai isu-isu terkait berita hoaks, telah dikembangkan sebuah sistem yang mampu mendeteksi berita hoaks dengan menggunakan berbagai metode, termasuk di antaranya metode TF-IDF. Sebuah metode atau algoritma yang digunakan untuk menghitung kemunculan kata-kata tertentu pada berita asli, hoaks, dan lain sebaginya. Hasil evaluasi meggunakan algoritma Support Vector Machine (SVM) dan algoritma Random Forest menunjukkan tingkat akurasi di atas 90% pada pengujian pertama yang menunjukkan tingkat akurasi yang tinggi. Namun setelah dilakukan uji coba kedua, terjadi penurunan skor akurasi menjadi sekitar 55%. Meskipun demikian, hasil evaluasi tersebut menunjukkan bahwa model memeberikan prediksi yang cukup baik dengan performa sedang.
References
Kominfo. [Online]. Available:https://www.kominfo.go.id/content/detail/52570/siaran-pers-no-422hmkominfo102023-tentang-menkominfo-isu-hoaks-pemilu-meningkat-hampir-10-kali-lipat/0/siaran_pers.
Infopublik. [Online]. Available: https://www.infopublik.id/kategori/nasional-sosial-budaya/729879/kominfo-identifikasi-425-isu-hoaks-di-triwulan-pertama-2023
Kominfo. [Online]. Available:https://www.kominfo.go.id/content/detail/48363/siaran-pers-no-50hmkominfo042023-tentang-triwulan-pertama-2023-kominfo-identifikasi-425-isu-hoaks/0/siaran_pers
A. H. Subarjo and W. Setianingsih, “Literasi Berita Hoaxs Di Internet Dan Implikasinya Terhadap Ketahanan Pribadi Mahasiswa (Studi Tentang Penggunaan Media Sosial Pada Mahasiswa STT Adisutjipto Yogyakarta),” Jurnal Ketahanan Nasional, vol. 26, p. 1, Apr. 2020.
kominfo. [Online]. Available: https://www.kominfo.go.id/
kominfo. [Online]. Available: https://www.kominfo.go.id/statistik
T. N. Faturohmah and T. A. S. Salim, “Perilaku Masyarakat Terhadap Penyebaran Hoax Selama Pandemi Covid-19 melalui Media di Indonesia: Tinjauan Literatur Sistematis”, Tik Ilmeu: Jurnal Ilmu Perpustakaan dan Informasi, vol. 6, no. 1, pp. 121-138, 2022.
M. Fachriza and M. Munawar, “Analisis Sentimen Kalimat Depresi pada Pengguna Twitter dengan Naive Bayes, Support Vector Machine, Random Forest”, KOMPUTEK, vol. 7 no. 2, pp. 49-58, 2023.
H. Syahputra and A. Wibowo, “Comparison of Support Vector Machine (SVM) and Random Forest Algorithm for Detection of Negative Content on Website s”, Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI), vol. 9, no.1, pp. 165–173, 2023.
M. R. Adrian, et al., “Perbandingan Metode Klasifikasi Random Forest dan SVM pada Analisis Sentimen PSBB”, Jurnal Informatika Upgris, vol. 7, no.1, pp. 36-40,2021.
M. K. Tamami and I. Kharisudin, “Komparasi Metode Support Vector Machine dan Naive Bayes Classifier untuk Pemodelan Kualitas Pengajuan Kredit”, Indonesian Journal of Mathematics and Natural Sciences, vol. 46, no. 1, pp. 38-44 2023.
A. R. Masdian, N. Bashit, and F. Hadi, “Analisis Produktivitas Padi Menggunakan Algoritma Machine Learning Random Forest di Kabupaten Batang Tahun 2018 - 2022”, Jurnal Geodesi dan Geomatika, vol. 06, no. 01, pp. 43-51, 2023.
S. A. Helmayanti, F. Hamami, and R. Y. Fa’rifah, “Penerapan Algoritma Tf-Idf dan Naïve Bayes untuk Analisis Sentimen Berbasis Aspek Ulasan Aplikasi Flip pada Google Play Store”, Jurnal Indonesia: Manajemen Informatika dan Komunikasi (JIMIK), vol. 4, no.3, pp. 1822–1834, Sep. 2023.
kompas. [Online]. Available: https://www.kompas.com/
antaranews. [Online]. Available: https://www.antaranews.com/
globalarrow. [Online]. Available: https://globalarrow.co.id/id/news/
V. A. Flores, P. A. Permatasari, and L. Jasa, “Penerapan Web Scraping Sebagai Media Pencarian dan Menyimpan Artikel Ilmiah Secara Otomatis Berdasarkan Keyword,” Majalah Ilmiah Teknologi Elektro, vol. 19 no. 2, pp. 157-162, 2020.
I. Y. Prabhaswara, I. M. A. D. Suarjaya, and N. K. D. Rusjayanthi, “Pengembangan Engine Web Crawler Sebagai Pencari Jejak Serangan Cyber Stored Cross-Site Scripting,” JITTER- Jurnal Ilmiah Teknologi dan Komputer, vol. 4, no.2, 2023.
jpnn. [Online]. Available: https://www.jpnn.com/
tribunnews. [Online]. Available: https://www.tribunnews.com/
G. Chudra, A. Yohannis, and R. Setiawan, “Development of Streamlit-Based Higher Education Ranking Instrument Boards,” JUSIKOM PRIMA (Jurnal Sistem Informasi dan Ilmu Komputer Prima), vol. 7, 2023.
“A. H. Sial, S. Y. S. Rashdi, A. H. Khan, “Comparative Analysis of Data Visualization Libraries Matplotlib and Seaborn in Python,” International Journal of Advanced Trends in Computer Science and Engineering, vol. 10, no. 1, pp. 277–281, 2021.