Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal jurnal syntax admiration
Agri Yodi Prayoga
Universitas Jenderal Achmad Yani (UNJANI) Jawa Barat, Indonesia
Aerospace Engineering Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Deteksi Hoax pada Berita Online Bahasa Inggris Menggunakan Bernoulli Naïve Bayes dengan Ekstraksi Fitur Tf-Idf Agri Yodi Prayoga; Asep Id Hadiana; Fajri Rakhmat Umbara
Jurnal Syntax Admiration Vol. 2 No. 10 (2021): Jurnal Syntax Admiration
Publisher : Ridwan Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46799/jsa.v2i10.327

Abstract

Fenomena yang disebut sebagai "berita palsu" saat ini mengacu pada publikasi online dari pernyataan fakta palsu yang disengaja. Tujuan pembuatan berita hoax adalah untuk mempengaruhi pembaca berita untuk mencegah tindakan yang benar. Deteksi berita hoax ini berperan penting bagi pemerintah dan masyarakat, sebab itu berita hoax harus segera dideteksi untuk menghindari efek yang dapat ditimbulkannya. Penelitian ini bertujuan untuk mengetahui performa dari penggunaan algoritma Bernoulli Naïve Bayes dengan ekstraksi fitur TF-IDF dalam mendeteksi berita hoax. Tahapan penelitian ini disusun sebagai berikut, yaitu pengumpulan data dan labeling, text preprocessing, ekstraksi fitur dengan TF-IDF, pembagian dataset, classification, Output (Klasifikasi Fake/True), evaluasi, dan kesimpulan. Hasil implementasi menunjukan model prediksi yang dibangun dengan 8800 data berita, mampu menghasilkan nilai akurasi sebesar 98,5% dari jumlah data uji sebanyak 2.200 data berita, dimana akurasi dari prediksi model untuk label 1 (Fake) sebesar 97,8%, dan akurasi untuk label 0 (True) sebesar 99,1%, diikuti dengan nilai precision 99,1%, recall 97,8%, dan f1-score 98,4%. Dari implementasi tersebut penggunaan ekstraksi fitur TF-IDF pada algoritma Bernoulli Naive Bayes mampu meningkatkan akurasi sebesar 16,08%, precision 15,7%, recall 16,22%, dan f1-score 15,92% bila dibandingkan dengan hasil penelitian sebelumnya
Co-Authors Fajri Rakhmat Umbara Hadiana, Asep Id