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