Pradana, Anang Wahyu (2022) ANALISIS PESAN HOAX PADA FACEBOOK MENGGUNAKAN METODE NAÏVE BAYES CLASIFIER. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (1MB) |
|
Text (BAB I)
BAB I.pdf Download (317kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (581kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (641kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (566kB) |
|
Text (BAB V)
BAB V.pdf Download (44kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (92kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - ANANG WAHYU PRADANA.zip Restricted to Repository staff only Download (31kB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (839kB) |
Abstract
Peningkatan teknologi Era Revolusi 4.0 menyebabkan penyampaian peristiwa yang sangat cepat di berbagai media sosial. Salah satu yang digunakan oleh masyarakat dunia yaitu facebook. Facebook yang menjadikan media sosial populer saat ini untuk memberikan informasi terkini yang dapat dikonsumsi oleh publik. Setiap pengguna bebas mengunggah, memposting dan berkomentar tanpa ada batasan. Akibatnya, terjadi berita hoax yang merambah secara masif dan terstruktur. Membuat berita dikonsumsi oleh penduduk Indonesia bahkan dunia tanpa mengetahui sumber aslinya. Penelitian ini bertujuan untuk menganalisis pesan hoax atau kabar bohong yang terjadi di masyarakat pada media sosial Facebook supaya memberikan berita positif dan menyuguhkan informasi berharga yang disampaikan dari berbagai akun Facebook. Metode yang dilakukan yaitu pengambilan berupa komentar data teks dari postingan yang ditulis oleh berbagai akun facebook dengan topik “Perubahan Biaya Layanan BRI” kemudian diproses melalui text preprocessing melewati proses case folding, stopword removal, steamming, tokenzing. Selanjutnya dilakukan pembagian data antara data latih dan testing. Selanjutnya di klasifikasi oleh algoritme Naïve Bayes Clasifier melewati bahasa pemrograman Phyton. Dari Pengujian algoritme menggunakan confusion matrix mendapatkan hasil akurasi sebesar 95%, bahwasanya berita tersebut merupakan berita hoax dengan tingkat presisi 85,7%, mendapatkan nilai recall 92,3% dan nilai F1-score 88,8%.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Text Mining, Pembobotan TF-IDF, Naïve Bayes Clasifier | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 24 Apr 2024 03:36 | ||
| Last Modified: | 24 Apr 2024 03:36 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/24767 |
Actions (login required)
 |
View Item |