Detail Laporan TA : MOCHAMMAD ARIEF RIZALDY

MOCHAMMAD ARIEF RIZALDY (2018) Rancang Bangun Aplikasi Deteksi Misinformasi Berita (Hoaks) Twitter Pada Kasus Covid-19 Berbasis Mobile Skripsi, Teknik Informatika
Politeknik Negeri Indramayu.

Text LAPORAN BAB 1 ( Download )

Hoaks adalah informasi sesat dan berbahaya yang dapat menyesatkan persepsi manusia dengan menyampaikan atau menyebarkan informasi palsu sebagai suatu kebenaran. Hoaks dapat menyebabkan kerugian dari berbagai aspek baik waktu dan ekonomi, menimbulkan kecemasan dan kepanikan publik, hingga mengancam kesehatan mental. Di masa pandemi seperti saat ini, seringkali menemukan informasi palsu di media sosial yang dikaitkan dengan pandemi COVID-19. Berita hoaks merupakan salah satu hal yang menjadi penyebab sulitnya pengendalian kasus COVID-19. Untuk meminimalisir penyebaran berita hoaks dapat diatasi dengan menggunakan Machine Learning dengan menggunakan algoritma klasifikasi untuk mengklasifikasi teks berita dari Twitter pada kasus COVID-19 dengan bantuan CountVectorizer dan Term Frequency – Inverse Document Frequency sebagai fitur ekstraksi dan pembobotan nilai kata, serta Confusion Matrix untuk mengukur performa penggunaan algoritma klasifikasi pada Machine Learning dalam mendeteksi berita. Hasil dari penelitian ini didapatkan kesimpulan bahwa algoritma K-Nearest Neighbors dan Naïve Bayes Classifier memiliki akurasi yang terbaik dalam mendeteksi berita dibandingkan dengan Decision Tree, Random Forest, dan Support Vector Machine. K-Nearest Neighbors memperoleh nilai akurasi sebesar 80%, precision 80%, recall 89%, dan f1-score 84%. Naïve Bayes Classifier memperoleh nilai accuracy 80%, precision 85%, recall 85%, dan f1-score 85%.