KLASIFIKASI BERITA HOAX PILPRES MENGGUNAKAN METODE MODIFIED K-NEAREST NEIGHBOR DAN PEMBOBOTAN MENGGUNAKAN TF-IDF
Abstract
Dewasa ini perkembangan teknologi informasi dan internet begitu pesat. Sangat mudahnya masyarakat dalam mengakses internet dan informasi. Dengan kemudahan akses internet membuka peluang masyarakat untuk menyebarkan informasi atau berita di jejaring sosial maupun media online. Namun dalam praktiknya banyak bermunculan berita yang memiliki informasi palsu (hoax) yang tidak dapat dipertanggungjawabkan berita dan sumbernya. Hoax merupakan upaya untuk memanipulasi audiens agar terpengaruh dengan opini yang dibawa. Untuk menangani masalah terkait berita hoax, dikembangkankan sebuah prototipe untuk mengklasifikasikan berita tersebut. Metodologi penanganan berita hoax tersebut menggunakan pendekatan Term Frequency – Inverse Document Frequency untuk pembobotan setiap dokumen dan Modified K-Nearest Neighbor untuk pengklasifikasian berita berdasarkan dokumen yang telah dibobotkan.Downloads
References
A. A. Sawitri, “4 Penyebab Hoax Mudah Viral di Media Sosial,†Tempo.co, 2017. [Online]. Available: https://nasional.tempo.co/read/838621/4-penyebab-hoax-mudah-viral-di-media-sosial. [Accessed: 09-Aug-2018].
Novaldi, “Pakar IT: Tangkal Hoax dengan Literasi Media,†Kominfo, 2017. [Online]. Available: https://kominfo.go.id/content/detail/9725/pakar-it-tangkal-hoax-dengan-literasi-media/0/sorotan_media. [Accessed: 21-Sep-2018].
R. Anggono, A. A. Suryani, and A. P. Kurniati, “Analisis Perbandingan Metode K-Nearest Neighbor Dan Naive Bayes Classifier Dalam Klasifikasi Teks,†Universitas Telkom, 2009.
W. P. Veverly, “Sistem Klasifikasi Dokumen Bahasa Jawa Dengan Metode K- Nearest Neighbor ( K-NN ),†Universitas Sanata Dharma Yogyakarta, 2014.
A. Hutapea, M. T. Furqon, and Indriati, “Penerapan Algoritme Modified K-Nearest Neighbour Pada Pengklasifikasian Penyakit Kejiwaan Skizofrenia,†J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 10, pp. 3957–3961, 2018.
A. R. Prasetyo and P. P. Adikara, “Klasifikasi Hoax Pada Berita Kesehatan Berbahasa Indonesia Dengan Menggunakan Metode Modified K-Nearest Neighbor,†J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 12, pp. 7466–7473, 2018.
A. B. Prasetijo, R. R. Isnanto, D. Eridani, Y. A. A. Soetrisno, M. Arfan, and A. Sofwan, “Hoax detection system on Indonesian news sites based on text classification using SVM and SGD,†in Proceedings - 2017 4th International Conference on Information Technology, Computer, and Electrical Engineering, ICITACEE 2017, 2017, no. October, pp. 45–49.
E. Tacchini, G. Ballarin, M. L. Della Vedova, S. Moret, and L. de Alfaro, “Some like it Hoax: Automated fake news detection in social networks,†in CEUR Workshop Proceedings, 2017, vol. 1960, pp. 1–15.
H. Ahmed, I. Traore, and S. Saad, “Detecting opinion spams and fake news using text classification,†Secur. Priv., vol. 1, no. 1, p. e9, 2018.
F. A. Hermawati and D. A. Zuhdi, “Aplikasi Sistem Temu Kembali Dokumen dengan Metode Vector Space Model,†KONVERGENSI, vol. 5, no. 2, pp. 38–49, 2009.
Authors whose manuscript is published will approve the following provisions:
- The right to publication of all journal material published on the Konvergensi Teknologi Informasi & Komunikasi website is held by the editorial board with the author's knowledge (moral rights remain the property of the author).
- The formal legal provisions for access to digital articles of this electronic journal are subject to the terms of the Creative Commons Attribution-ShareAlike (CC BY-SA) license, which means Konvergensi Teknologi Informasi & Komunikasi reserves the right to store, modify the format, administer in database, maintain and publish articles without requesting permission from the Author as long as it keeps the Author's name as the owner of Copyright.
- Printed and electronic published manuscripts are open access for educational, research and library purposes. In addition to these objectives, the editorial board shall not be liable for violations of copyright law.