Pendeteksian Berita Hoax Menggunakan Naive Bayes Multinomial Pada Twitter Dengan Fitur Pembobotan Tf-idf

Abstract

Abstrak Media sosial adalah sarana tempat untuk berkomunikasi dan bertukar informasi sesama manusia, dan salah satu media sosial yang digunakan adalah Twitter. Namun informasi yang disebarkan tidak seluruhnya berupa fakta, melainkan ada berita yang tidak sesuai kebenarannya atau sering disebut hoax. Penelitian ini, penulis membangun sistem berita deteksi hoax pada media sosial Twitter dengan menggunakan metode Naive Bayes Multinomial. Proses klasifikasi dilakukan dengan tahapan PreProcessing dan pembobotan kata menggunakan TF-IDF sampai terbentuk korpus terkait berita hoax. Hasil akhir pada pendeteksian berita hoax menggunakan Naive Bayes Multinomial dengan pembobotan TFIDF ini diperoleh akurasi tertinggi sebesar 72.06%. Kata Kunci: Hoax, Non-Hoax, Twitter, Sosial Media, Naive Bayes Multinomial, TF-IDF Abstract Social media is a means for communicating and exchanging information among humans, and one of the social media used is Twitter. However, the information disseminated is not entirely in the form of facts, but there is news that does not match the truth or is often called a hoax. This final project research, the writer builds a hoax detection news system on Twitter social media using the Naive Bayes Multinomial method. The classification process is carried out with the Pre-processing stage and word weighting using TF-IDF until a corpus is formed related to hoax news. The final result in detecting hoax news using Naive Bayes Multinomial with TF-IDF weighting obtained the highest accuracy of 72.06%. Keywords: Hoax, Non-Hoax, Twitter, Social Media, Naive Bayes Multinomial, TF-IDF