Deteksi Berita Hoaks Terkait Debat Capres Pemilu 2024 Pada Media Sosial Menggunakan Metode Bayesian Neural Network
Abstract
Berita Hoaks di media sosial semakin mengkhawatirkan,
terutama pada saat pemilu, di mana informasi ini dapat
mempengaruhi opini publik dan mengganggu integritas
pemilu. Penelitian ini bertujuan untuk mengembangkan
sistem deteksi hoaks menggunakan metode Bayesian Neural
Network (BNN) yang dioptimalkan dengan teknik Term
frequency-Inverse Document frequency (TF-IDF). Hasil
pengujian menunjukkan bahwa sistem ini berhasil mencapai
akurasi tinggi dalam mengklasifikasikan berita hoaks dan
non-hoaks. Dibandingkan dengan penelitian lain, seperti
menggunakan metode K-Nearest Neighbor (K-NN) mencapai
akurasi 85%, Naïve Bayes dengan akurasi 82,6%, dan
penelitian data mining menggunakan TF-IDF mencapai
akurasi rendah 57%. Dengan menggunakan metode ini
mengklasifikasi berita hoaks secara otomatis dengan
memanfaatkan distribusi probabilistik untuk meningkatkan
akurasi deteksi. Pengujian ini berhasil mendapatkan akurasi
dengan fitur TF-IDF mencapai 85,71%, fitur Word2Vec
mencapai akurasi tinggi yaitu 90,24%, dan fitur BERT
mendapatkan akurasi rendah 75,27%. Penelitian ini
diharapkan dapat menjadi referensi bagi pengembangan
lebih lanjut dalam sistem deteksi hoaks dan meningkatkan
kesadaran masyarakat akan pentingnya verifikasi informasi.
Kata kunci: hoaks, bayesian neural network (BNN), pemilu 2024,
media sosial, TF-IDF.
References
“UNDANG-UNDANG DASAR
NEGARA REPUBLIK INDONESIA 1945.”
M. Ravii Marwan Ahyad Jurusan Ilmu
Komunikasi and F. Ilmu Komunikasi,
“Analisis Penyebaran Berita Hoax di
Indonesia.”
A. W. Fathurrahman et al., “Penerapan
Machine Learning untuk Pengklasifikasian
Hoaks pada Platform Media Sosial: Studi
Literatur.”
B. Imran, M. Nasirudin Karim, and N.
Isna Ningsih, “Klasifikasi Berita Hoax
Terkait Pemilihan Umum Presiden Republik
Indonesia Tahun 2024 Menggunakan Naive
Bayes dan SVM.” [Online]. Available:
http://jurnal.dinarek.unsoed.ac.id
R. Darmawan, “Implementasi Metode
K-Nearest Neighbor (K-NN) untuk
Identifikasi Ujaran Kebencian Terhadap
Tokoh Politik pada Twitter,” Pekanbaru,
F. Rahutomo, I. Yanuar Risca Pratiwi, D.
Mayangsari Ramadhani, and P. Negeri
Malang Jalan Soekarno Hatta No,
“Eksperimen Naive Bayes pada Deteksi
Berita Hoax Berbahasa Indonesia.”
F. Ismayanti and E. B. Setiawan,
“Deteksi Konten Hoax Berbahasa Indonesia
di Twitter Menggunakan Fitur Ekspansi
dengan Word2Vec.”
Y. Riadi Silitonga, “Sistem Pendeteksi
Berita Hoax di Media Sosial dengan Teknik
Data Mining Scikit Learn,” 2019. [Online].
Available: www.beritasatu.com,
R. Manthovani Universitas Pancasila Jl
Lenteng Agung Raya No, S. Sawah, K.
Jagakarsa, K. Jakarta Selatan, and D.
Khusus, “Dampak Berita Hoax Terhadap
Keamanan Negara Dalam Persepektif
Cyberlaw Bela Negara”, [Online].
Available:
https://www.kemhan.go.id/belanegara/opini
/as
E. Goan and C. Fookes,
“Bayesian Neural Networks: An
Introduction and Survey,” Jun. 2020, doi:
1007/978-3-030-42553-1_3.
D. Rosita, dan Syamsuddin
Mallala, S. Informasi, S. Widya Cipta
Dharma, T. Informatika, and P.
Korespondensi, “Komparasi Data Mining
Naive Bayes dan Neural Network
Memprediksi Masa Studi Mahasiswa S1,”
vol. 7, no. 3, pp. 443–452, 2020, doi:
25126/jtiik.202072093.
Y. Han, S. Karunasekera, and
C. Leckie, “Graph Neural Networks with
Continual Learning for Fake News Detection
from Social Media,” Jul. 2020, [Online].
Available: http://arxiv.org/abs/2007.03316
M. Ibrahim, E. Bu, and I. Lubis,
“RESOLUSI : Rekayasa Teknik Informatika
dan Informasi Penerapan Algoritma Naive
Bayes Classifier Untuk Mendeteksi Tingkat
Krediblitas Hoax News/ Fake News Pada
Sosial Media Di Indonesia Berbasis Android
(Studi Kasus : Kantor Tribun Medan),”
Media Online), vol. 1, no. 1, 2020, [Online].
Available: https://djournals.com/resolusi
C. S. Sriyano and E. B.
Setiawan, “Pendeteksian Berita Hoax
Menggunakan Naive Bayes Multinomial
Pada Twitter dengan Fitur Pembobotan TFIDF.”
N. Agustina, A. Adrian, and M.
Hermawati, “Implementasi Algoritma Naïve
Bayes Classifier untuk Mendeteksi Berita
Palsu pada Sosial Media,” Faktor Exacta,
vol. 14, no. 4, p. 206, Jan. 2022, doi:
30998/faktorexacta.v14i4.11259.
T. A. Roshinta, E. Kumala, and
I. F. Dinata, “Sistem Deteksi Berita Hoax
Berbahasa Indonesia Bidang Kesehatan,”
remik, vol. 7, no. 2, pp. 1167–1173, Apr.
, doi: 10.33395/remik.v7i2.12369.
L. Asa Akhrani, I. Herani, I.
Asqori Pohan, and M. Afif Alhad,
“Kekacauan Pemilu 2019: Fenomena
Firehose of falsehood dalam Relasi Sikap
terhadap HOAX dan Kepercayaan
Masyarakat Terhadap Komisi Pemilihan
Umum,” Jurnal Transformative, vol. 6, no.
, pp. 1–27, Mar. 2020, doi:
21776/ub.transformative.2020.006.01.1.
T. Ridwansyah, “KLIK: Kajian
Ilmiah Informatika dan Komputer
Implementasi Text Mining Terhadap
Analisis Sentimen Masyarakat Dunia Di
Twitter Terhadap Kota Medan
Menggunakan K-Fold Cross Validation Dan
Naïve Bayes Classifier,” Media Online, vol.
