ANALISIS PERBANDINGAN MODEL NAÏVE BAYES DAN LOGISTIC REGRESSION BERBASIS TF-IDF DALAM MENDETEKSI BERITA HOAKS BERBAHASA INDONESIA

Ikhsan, Zidna Rohmatal (2026) ANALISIS PERBANDINGAN MODEL NAÏVE BAYES DAN LOGISTIC REGRESSION BERBASIS TF-IDF DALAM MENDETEKSI BERITA HOAKS BERBAHASA INDONESIA. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER - ABSTRAK) COVER.pdf - Published Version Download (1MB)
	Text (BAB I) BAB I.pdf - Published Version Download (239kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (651kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (228kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (879kB)
	Text (BAB V) BAB V.pdf - Published Version Download (85kB)
	Text (DAFTAR PUSTAKA - LAMPIRAN) Daftar Pustaka dan Lampiran.pdf - Published Version Restricted to Registered users only Download (101kB)
	Archive (SOURCE CODE) Sourcecode - 22.12.2308.zip Restricted to Repository staff only Download (7MB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (1MB)

Abstract

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.

Item Type:

Thesis (S1 - Sarjana)

Contributor:

Pembimbing
Sari, Bety Wulan

Uncontrolled Keywords:

Naive Bayes, Logistic Regression, TF-IDF, Deteksi Hoaks, Klasifikasi Teks, Text Classification.

Subjects:

000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer

Divisions:

Fakultas Ilmu Komputer > Sistem Informasi

Depositing User:

RC Universitas AMIKOM Yogyakarta

Date Deposited:

21 Sep 2026 03:56

Last Modified:

21 Sep 2026 03:56

URI:

http://eprints.amikom.ac.id/id/eprint/32888

Actions (login required)

View Item