DETEKSI HOAKS PADA MEDIA SOSIAL BERBASIS TEXT MINING CLASSIFICATION SYSTEM


Author (Penulis)

ADITYA GUSTI TAMMAM
Universitas Nusantara PGRI Kediri

Author Identity (NPM)

14.1.03.03.0052

Abstract

Hoaks menjadi isu terkini yang meresahkan masyarakat dan mengakibatkan kegaduhan dalam berbagai bidang, mulai dari politik, budaya, keamanan dan ketertiban, hingga ekonomi. Hal tersebut tidak lepas dari dampak penggunaan media sosial yang pesat. Akibatnya setiap hari ada ribuan informasi yang tersebar di media sosial, yang belum tentu valid kebenarannya sehingga masyarakat berpotensi terpapar oleh hoaks di media sosial.

Sistem deteksi hoaks dalam penelitian ini dirancang dengan pendekatan Unsupervised Learning sehingga tidak membutuhkan data training. Sistem dibangun dengan menggunakan algoritma TextRank untuk ekstraksi keyword serta algoritma Cosine Similarity untuk menghitung tingkat kemiripan dokumen. Hasil keyword extraction akan digunakan untuk mencari konten terkait dengan input dari pengguna menggunakan mesin pencari, kemudian dihitung nilai kemiripannya. Apabila konten terkait cenderung berasal dari media terpercaya, maka konten tersebut berpotensi fakta. Begitu juga sebaliknya apabila konten terkait cenderung diterbitkan oleh media tidak terpercaya, maka berpotensi hoaks.

Sistem deteksi hoaks telah diuji menggunakan confusion matrix, dari data konten berita sebanyak 20 isu yang terdiri dari 10 isu benar dan 10 isu salah. Kemudian sistem menghasilkan klasifikasi dengan rincian 13 isu termasuk salah dan 7 isu termasuk benar, maka jumlah klasifikasi yang sesuai label aslinya sebanyak 15 isu. Berdasarkan hasil klasifikasi tersebut, didapatkan nilai akurasi sebesar 75%.


Keyword

a

Reference

Abner, Khaidir, Abdillah, M. R., Bimantoro, R., & Reinaldy, W. (2017). Penyalahgunaan Informasi/Berita Hoax di Media Sosial. In International Conference on Advances Science and Contemporary Engineering (ICASCE) 2013. Jakarta: BINUS University. Retrieved from http://mti.binus.ac.id/icasce2013/single/penyalahgunaan-informasiberita-hoax-di-media-sosial/

Badan Pengembangan dan Pembinaan Bahasa. (2016). Hoaks - KBBI Daring. Jakarta: Kemdikbud. Retrieved from https://kbbi.kemdikbud.go.id/entri/hoaks

Dyson, L., & Golab, A. (2017). Fake News Detection Exploring the Application of NLP Methods to Machine Identification of Misleading News Sources. CAPP 30255: Advanced Machine Learning for Public Policy.

Feldman, R., & Sanger, J. (2006). The Text Mining Handbook. New York: Cambridge University Press. Retrieved from https://wtlab.um.ac.ir/images/e-library/text_mining/The Text Mining HandBook.pdf

Hintzbergen, J., Hintzbergen, K., Smulders, A., & Baars, H. (2010). Foundations of Information Security Based on ISO27001 and ISO27002. (S. Newton, Ed.) (2nd ed.). Zaltbommel: Van Haren Publishing.

Ilham. (2017, January 11). Ahli: Hoax Merupakan Kabar yang Direncanakan. Republika.Co.Id. Retrieved from http://nasional.republika.co.id/berita/nasional/hukum/17/01/11/ojm2pv361-ahli-hoax-merupakan-kabar-yang-direncanakan

Indriani, A. (2014). Klasifikasi Data Forum dengan menggunakan Metode Naïve Bayes Classifier. Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Yogyakarta, 21(5), 1907–5022. Retrieved from https://media.neliti.com/media/publications/88427-ID-klasifikasi-data-forum-dengan-menggunaka.pdf

Juliswara, V. (2017). Mengembangkan Model Literasi Media yang Berkebhinnekaan dalam Menganalisis Informasi Berita Palsu (Hoax) di Media Sosial. Jurnal Pemikiran Sosiologi, 4(2), 142. https://doi.org/10.22146/jps.v4i2.28586

Mihalcea, R., & Tarau, P. (2004). TextRank: Bringing Order into Texts. In Proceedings of the 2004 Conference on Empirical Methods in Natural Language Processing. Barcelona: Association for Computational Linguistics. Retrieved from http://www.aclweb.org/anthology/W04-3252

Novaldi. (2017). Pakar IT: Tangkal Hoax dengan Literasi Media. Retrieved November 30, 2017, from https://kominfo.go.id/content/detail/9725/pakar-it-tangkal-hoax-dengan-literasi-media/0/sorotan_media

Rasywir, E., & Purwarianti, A. (2015). Eksperimen pada Sistem Klasifikasi Berita Hoax Berbahasa Indonesia Berbasis Pembelajaran Mesin. Jurnal Cybermatika, 3(2), 1–8. Retrieved from http://cybermatika.stei.itb.ac.id/ojs/index.php/cybermatika/article/view/133

Sawitri, A. A. (2017, January 22). 4 Penyebab Hoax Mudah Viral di Media Sosial. Tempo.Co. Retrieved from https://nasional.tempo.co/read/838621/4-penyebab-hoax-mudah-viral-di-media-sosial

Wahyuni, R. T., Prastiyanto, D., & Supraptono, E. (2017). Penerapan Algoritma Cosine Similarity dan Pembobotan TF-IDF pada Sistem Klasifikasi Dokumen Skripsi. Jurnal Teknik Elektro, 9(1), 18–23. Retrieved from https://journal.unnes.ac.id/artikel_nju/jte/10955


PUBLISHED

2018-08-15

JOURNAL

Simki-Techsain

ISSN

2599-3011

ISSUE

Vol. 02 No. 11 Tahun 2018

Download PDF

Lembaga Penelitian dan Pengabdian Kepada Masyarakat UN PGRI Kediri.

Jl. KH. Ahmad Dahlan 76 Mojoroto Kota Kediri

Designed by BootstrapMade
LPPM Server - Powered by BSI