Klasifikasi Hoaks Kesehatan di Media Sosial menggunakan Support Vector Machine
| Main Author: | Hidayat, Aulia Rahma |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/183640/ |
Daftar Isi:
- Pada zaman sekarang ini media sosial menjadi salah satu alat komunikasi setiap orang dalam berbagai umur. Sebagai salah satu alat komunikasi yang dipakai oleh setiap orang tak jarang dijumpai berita-berita tidak jelas sumbernya atau berita Hoaks. Berita Hoaks mengenai kesehatan banyak tersebar di Media Sosial dan hal tersebut dapat memengaruhi kesadaran masyarakat akan pentingnya kesehatan. Pemisahan berita kesehatan yang benar dan tidak benar perlu dilakukan untuk menghindari hal tersebut. Proses pemisahan dilakukan dengan mengklasifikasikan berita kesehatan pada Media Sosial dengan metode Support Vector Machine dengan fitur Bag Of Words dan Lexicon Based Features. Data yang digunakan pada penelitian ini 80 berita yang didapatkan dari berbagai Media Sosial. Data kemudian dimasukkan dalam proses pre-processing untuk mendapatkan kata yang menunjukkan sebuah dokumen, kemudian dilanjutkan kedalam proses pembobotan kata menggunakan perhitungan TF-IDF. Hasil proses pembobotan kata dimasukkan pada proses inti yaitu perhitungan metode Support Vector Machine. Hasil pengujian parameter optimal didapatkan nilai gamma (γ) = 0,001, nilai lambda (λ) = 1, nilai epsilon = 0,000001, nilai degree (d) = 2 dan nilai maksimum iterasi = 30. Hasil evaluasi sistem menggunakan fitur Bag of Words dan Lexicon Based Features mendapatkan hasil yang baik dibanding dengan menggunakan salah satu fitur saja, hasil yang didapatkan dengan penggabungan fitur yaitu Accuracy sebesar 1; Precision sebesar 1; Recall sebesar 1; F-measure sebesar 1. Pengujian menggunakan K-fold Cross Validation juga dilakukan dengan nilai fold 10 dan didapatkan nilai rata-rata hasil Accuracy sebesar 0,6; Precision sebesar 0,68; Recall sebesar 0,47; F-measure sebesar 0,48.