Deteksi berita Hoax dari media Online Indonesia menggunakan Algoritma Naive Bayes dan Support Vector Machine

ABSTRAK

Website dan blog terkenal sebagai media penyiaran berita di berbagai bidang seperti penyiaran berita. Validitas artikel berita bisa valid atau palsu. Berita palsu disebut juga dengan berita Hoax. Tujuan pembuatan berita Hoax adalah untuk membujuk, memanipulasi, dan mempengaruhi pembaca berita agar melakukan hal-hal yang bertentangan atau menghalangi tindakan yang benar. Penelitian ini mengusulkan untuk melakukan eksperimen klasifikasi Support Vector Machine dan Naïve Bayes untuk mendeteksi berita Hoax berbahasa Indonesia. Penelitian ini menggunakan dataset dari data publik yaitu berita antara berita Valid dan Hoax. Sistem dapat mengklasifikasikan berita online berbahasa Indonesia dengan istilah frekuensi fitur algoritma Support Machine Vector dan klasifikasi Naïve Bayes. Sedangkan model evaluasi yang digunakan adalah Confusion Matrix. Hasil perbandingan kedua model sebagai Support Vector Machine mempunya hasil rata – rata Naive Bayes Akurasi 93%, Presisi 100%, Recall 93% dan F1 Score 93%, hasil rata – rata metode Support Vector Machine Akurasi 100%, Presisi 99%, Recall 100% dan F1 Score 91%. Oleh karena itu untuk klasifikasi berita Hoax kami merekomendasikan model Naive Bayes karena memiliki F1 score yang lebih baik dibandingkan Support Vector Machine.

ABSTRACT

Websites and blogs are well-known as media for broadcasting news in various fields such as broadcasting news. The validity of news articles can be valid or fake. Fake news is also known as hoax news. The purpose of making hoax news is to persuade, manipulate, and influence news readers to do things that contradict or prevent correct action. This study proposes to experiment with the Support Vector Machine and Naïve Bayes classifications to detect hoax news in Indonesian. This study uses a dataset from public data, namely news between valid news and hoaxes. The system can classify online news in Indonesian with the term frequency feature the machine vector Support algorithm and naïve Bayes classification. The results of the comparison of the two models as a Support Vector Machine have an average result of Naïve Bayes accuracy of 93%, the precision of 100%, recall of 93%, and F1 score of 93%, the average results of the Support Vector Machine method are 100% Accuracy, Precision 99%, Recall 100 % and F1-Score 91%. Therefore, for the classification of hoax news, we recommend the Naive Bayes model because it has a better level of accuracy than the Support Vector Machine.

مستخلص البحث

تُعرف مواقع الويب والمدونات بأنها وسائل بث إخبارية في مجالات مختلفة مثل بث الأخبار. صحة المقالات الإخبارية يمكن أن تكون صحيحة أو مزيفة. وتسمى الأخبار المزيفة أيضًا بالأخبار الخادعة (هواكس). والغرض من إنشاء أخبار خادعة هو إقناع قراء الأخبار والتلاعب بهم والتأثير عليهم للقيام بأشياء تتعارض مع الإجراءات الصحيحة أو تعيقها. يقترح هذا البحث إجراء تجارب تصنيف آلة المتجهات الداعمة (سوببورت فيكتور مشين) و نايف بايز (Naïve Bayes) للكشف عن الأخبار الخادعة باللغة الإندونيسية. يستخدم هذا البحث مجموعة بيانات من البيانات العامة، وهي الأخبار بين الأخبار الصحيحة والأخبار الخادعة. يمكن للنظام تصنيف الأخبار عبر الإنترنت باللغة الإندونيسية باستخدام تردد ميزة خوارزمية آلة المتجهات الداعمة وتصنيف نايف بايز. وأما نموذج التقييم المستخدم فهو كونفوشيون ماتريكس(Confusion Matrix). نتائج المقارنة بين النموذجين كآلة المتجهات الداعمة لديه متوسط نايف بايز دقة ٩٣٪، وبريسيسي ١٠٠٪، وريكول ٩٣٪، وف١-سكور ٩٣٪، ومتوسط نتائج نموذج آلة المتجهات الداعمة دقة ١٠٠٪، وبريسيسي ٩٩٪، وريكول ١٠٠٪، وف١-سكور ٩١٪. لذلك، بالنسبة لتصنيف الأخبار الخادعة، نوصي بنموذج نايف بايز لأنه يتمتع بف١-سكور أفضل من آلة المتجهات الداعمة.