@phdthesis{universitasamikomyogyakarta31514,
           month = {November},
           title = {ALGORITMA MACHINE LEARNING YANG DITINGKATKAN DENGAN GRIDSEARCHCV  UNTUK KLASIFIKASI BERITA HOAKS  PADA PLATFORM BERITA INDONESIA},
          school = {Universitas AMIKOM Yogyakarta},
          author = {Naufal Maheswara},
            year = {2025},
        abstract = {Di media sosial dan platform berita, mendeteksi berita palsu menjadi
krusial. Lima algoritma pembelajaran mesin, yaitu K-Nearest Neighbors, Na{\"i}ve
Bayes, Random Forest, Support Vector Machine, dan XGBoost, digunakan dalam
sistem deteksi berita palsu yang diusulkan dalam studi ini untuk mengklasifikasikan
berita. Prapemrosesan teks, prosedur klasifikasi, dan penyetelan hiperparameter
GridSearchCV merupakan tiga bagian utama sistem ini. Persentase hoaks dan berita
yang sah cukup tinggi dapat ditemukan dalam 3000 item berita dalam dataset, yang
dibagi menjadi 80\% pelatihan dan 20\% pengujian. Pembersihan data, tokenisasi,
eliminasi stopword, dan komputasi TF-IDF untuk ekstraksi fitur merupakan
langkah-langkah dalam prosedur prapemrosesan teks. Berdasarkan hasil evaluasi,
model SVM memiliki akurasi terbaik (97\%), diikuti oleh Random Forest dan
XGBoost, yang keduanya memiliki akurasi 96\%. Model-model ini berkinerja sangat
baik dalam hal presisi, recall, dan skor F1, yang secara efektif membedakan antara
berita yang sah dan palsu. Semua algoritma menunjukkan peningkatan kinerja yang
signifikan selama penyetelan GridSearchCV, dengan SVM mempertahankan
akurasinya yang lebih baik. Dengan temuan-temuan yang relevan dan aplikasi yang
bermanfaat dalam sistem deteksi otomatis, studi ini menunjukkan bahwa
penggunaan algoritma pembelajaran mesin dalam identifikasi berita hoaks dapat
meningkatkan efektivitas verifikasi berita di Indonesia},
             url = {https://eprints.amikom.ac.id/id/eprint/31514/},
        keywords = {Berita hoax, Deteksi hoax, Pembelajaran mesin, Algoritma klasifikasi, Klasifikasi teks,  Hoax news, Hoax detection, Machine learning, Classification algorithms, Text classification}
}