Article Per Year (5 Year)
p-Index From 2019 - 2024
1.405
P-Index
This Author published in this journals
All Journal Humaniora DIKSI Format : Jurnal Imiah Teknik Informatika Prosiding Seminar Nasional Official Statistics PROCEEDINGS OF THE INTERNATIONAL CONFERENCE ON DATA SCIENCE AND OFFICIAL STATISTICS
Ibnu Santoso
Unknown Affiliation
Arts Humanities Computer Science & IT Economics, Econometrics & Finance Languange, Linguistic, Communication & Media Social Sciences

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Format : Jurnal Imiah Teknik Informatika

 1 
Deteksi Hoaks Pada Berita Berbahasa Indonesia Seputar COVID-19 Amanda Tabitha Bulan Panjaitan; Ibnu Santoso
FORMAT Vol 10, No 1 (2021)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2021.v10.i1.007

Abstract

Perkembangan teknologi yang semakin maju tentu mendatangkan banyak kemudahan bagi para penggunanya namun di lain sisi juga mempercepat penyebaran berita bohong pada internet. Berita bohong atau dikenal dengan hoaks adalah informasi sesat dan berbahaya karena menyesatkan persepsi manusia dengan menyampaikan informasi palsu sebagai kebenaran. Hoaks sendiri dapat bertujuan untuk mempengaruhi pembaca dengan informasi palsu sehingga pembaca mengambil tindakan sesuai dengan isi hoaks. Oleh karena itu, diperlukan sistem cerdas yang mampu mengklasifikasi sebuah berita dengan cepat yang menyebar melalui internet agar tidak menyesatkan para pembacanya. Penelitian ini dimulai dengan melakukan scraping berita yang sudah diberi kategori hoaks atau valid. Dataset tersebut dibagi dua menjadi data latih dan data uji. Dilakukan pre-processing mulai dari case folding, tokenizing, filtering dan stemming. Pada penelitian ini dilakukan perbandingan terhadap pengaruh penerapan feature engineering. Dari hasil akurasi, dapat dilihat bahwa dengan diterapkannya feature engineering mampu meningkatkan akurasi kelima metode klasifikasi. Metode random forest dengan penerapan feature engineering menghasilkan tingkat akurasi sebesar 96,05%.
Co-Authors Amanda Tabitha Bulan Panjaitan Annisa Adytia Putri Eka Majida Agustyani Erik Rihendri Candra Adifa Lutfi Rahmatuti Maghfiroh Nugroho Purnomo Aji Rizki Adriansah Viona Febriana Wahyudi Syahputra