%0 Thesis
%9 S1 - Sarjana
%A Ikhsan, Zidna Rohmatal
%A Universitas AMIKOM Yogyakarta,
%B Fakultas Ilmu Komputer
%D 2026
%F universitasamikomyogyakarta:32888
%I Universitas AMIKOM Yogyakarta
%K Naive Bayes, Logistic Regression, TF-IDF, Deteksi Hoaks, Klasifikasi Teks, Text Classification.
%T ANALISIS PERBANDINGAN MODEL NAÏVE BAYES DAN  LOGISTIC REGRESSION BERBASIS TF-IDF DALAM   MENDETEKSI BERITA HOAKS BERBAHASA INDONESIA
%U https://eprints.amikom.ac.id/id/eprint/32888/
%X Penyebaran berita hoaks di Indonesia semakin meningkat seiring dengan  berkembangnya media digital dan media sosial. Hal ini menimbulkan kebutuhan terhadap  sistem pendeteksi otomatis yang mampu mengidentifikasi berita hoaks secara cepat dan akurat.  Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja dua algoritma  klasifikasi teks, yaitu Naive Bayes dan Logistic Regression, dengan menggunakan representasi  fitur TF-IDF (Term Frequency–Inverse Document Frequency). Dataset yang digunakan terdiri  dari sekitar 2.600 data berita hoaks dan non-hoaks berbahasa Indonesia. Tahapan penelitian  meliputi pengumpulan data, preprocessing teks, ekstraksi fitur TF-IDF, pelatihan model, dan  evaluasi menggunakan metrik accuracy, precission, recall, dan F1-score. Hasil penelitian  menunjukkan bahwa kedua model mampu melakukan klasifikasi berita hoaks dengan baik,  namun Logistic Regression memberikan performa yang lebih stabil dan optimal dibandingkan  Naïve Bayes berdasarkan nilai evaluasi yang diperoleh. Dengan demikian, Logistic Regression  berbasis TF-IDF direkomendasikan sebagai model yang lebih efektif untuk mendeteksi berita  hoaks berbahasa Indonesia.