Perbandingan Naïve Bayes dan CNN yang Dioptimasi PSO pada Identifikasi Berita Hoax Politik Indonesia

Authors

    Yusuf Kurnia( 1 ) Ellysha Dwiyanthi Kusuma( 2 ) Lianny Wydiastuty Kusuma( 3 ) Suwitno( 4 ) Welman Apridius( 5 )

    (1) Universitas Buddhi Dharma
    (2) Universitas Buddhi Dharma
    (3) Universitas Buddhi Dharma
    (4) Universitas Buddhi Dharma
    (5) Universitas Buddhi Dharma

DOI:


https://doi.org/10.32877/bt.v6i3.1225

Keywords:


Convolutional Neural Network, Hoax Politik, Naïve Bayes, Particle Swarm Optimization, Text Preprocessing

Abstract

Berita palsu dalam politik menjadi ancaman serius terhadap stabilitas demokrasi dan kepercayaan publik terhadap informasi. Fenomena ini tidak hanya meresahkan, tetapi juga memiliki dampak yang dapat mengganggu proses demokrasi serta kepercayaan masyarakat terhadap media dan pemerintah. Penelitian ini bertujuan untuk menyelidiki dan membandingkan kinerja dua algoritma yang berbeda, yaitu Naïve Bayes (NB) dan Convolutional Neural Network (CNN), yang telah dioptimalkan menggunakan Particle Swarm Optimization (PSO), dalam mendeteksi berita palsu di ranah politik Indonesia. Untuk mencapai tujuan ini, penelitian menggunakan dataset berita politik yang telah melalui proses text preprocessing, termasuk pembersihan data dan normalisasi teks. Hasil penelitian menunjukkan bahwa model Naïve Bayes secara konsisten mampu mengungguli kinerja CNN, baik dengan atau tanpa penerapan PSO. Akurasi model Naïve Bayes mencapai 90.71%, sementara CNN mencapai 80.86% tanpa PSO, 79.68% dengan PSO, dan Naïve Bayes dengan PSO mencapai 90.25%. Temuan ini menegaskan bahwa pendekatan menggunakan algoritma Naïve Bayes memiliki potensi lebih besar dalam mengidentifikasi berita palsu dalam konteks politik Indonesia. Kontribusi signifikan dari penelitian ini terletak pada pemahaman yang lebih mendalam mengenai metode deteksi berita palsu, serta memberikan wawasan yang penting bagi pengembangan strategi yang efektif dalam menanggulangi permasalahan berita palsu di era digital. Oleh karena itu, diharapkan bahwa penelitian ini akan memberikan nilai tambah dalam upaya mempertahankan keaslian informasi politik dan meningkatkan kualitas demokrasi di Indonesia.

Downloads

Download data is not yet available.

References

D. Bayu, “Apjii:pengguna internet indonesia tembus 210 juta pada 2022," Data Indonesia. 2022. [Online]. Available: https://dataindonesia.id/digital/detail/apjii-pengguna-internet-indonesia-tembus-210-juta-pada-2022

F. C. Rosana and A. Y. Widyastuti, “Hingga Awal 2022, Kominfo Temukan 9.546 Hoaks di Internet.” tempo.co, 2022. [Online]. Available: https://bisnis.tempo.co/read/1558213/hingga-awal-2022-kominfo-temukan-9-546-hoaks-di-internet

K. H. Siswoko, “Kebijakan Pemerintah Menangkal Penyebaran Berita Palsu atau ‘Hoax,’” J. Muara Ilmu Sos. Humaniora, dan Seni, vol. 6, no. 1, pp. 13–19, 2017.

A. Wijaya, C. Rozikin, and B. N. Sari, “Penerapan Text Mining Untuk Klasifikasi Judul Berita Hoax Vaksinasi COVID-19 Menggunakan Algoritma Support Vector Machine,” J. Ilm. Wahana Pendidik., vol. 8, no. 16, pp. 11–20, 2022, [Online]. Available: https://doi.org/10.5281/zenodo.7058890

T. Silwattananusarn and P. Kulkanjanapiban, “A text mining and topic modeling based bibliometric exploration of information science research,” IAES Int. J. Artif. Intell., vol. 11, no. 3, pp. 1057–1065, 2022, doi: 10.11591/ijai.v11.i3.pp1057-1065.

P. Utama, “Identifikasi Hoax pada Media Sosial dengan Pendekatan Machine Learning,” Widya Duta J. Ilm. Ilmu Agama dan Ilmu Sos. Budaya, vol. 13, p. 69, 2018, doi: 10.25078/wd.v13i1.436.

Archit Verma, “Evaluation of Classification Algorithms with Solutions to Class Imbalance Problem on Bank Marketing Dataset using WEKA ,” Int. Res. J. Eng. Technol., vol. 06, no. 03, 2019.

Y. D. Pramudita, S. S. Putro, and N. Makhmud, “Klasifikasi Berita Olahraga Menggunakan Metode Naïve Bayes dengan Enhanced Confix Stripping Stemmer,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 3, p. 269, 2018, doi: 10.25126/jtiik.201853810.

A. J. T, D. Yanosma, and K. Anggriani, “IMPLEMENTASI METODE K-NEAREST NEIGHBOR (KNN) DAN SIMPLE ADDITIVE WEIGHTING (SAW) DALAM PENGAMBILAN KEPUTUSAN SELEKSI PENERIMAAN ANGGOTA PASKIBRAKA,” Pseudocode, vol. 3, no. 2, pp. 98–112, Jan. 2016, doi: 10.33369/PSEUDOCODE.3.2.98-112.

B. S. Prakoso, D. Rosiyadi, H. S. Utama, and D. Aridarma, “Klasifikasi Berita Menggunakan Algoritma Naive Bayes Classifer Dengan Seleksi Fitur Dan Boosting,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 2, pp. 227–232, 2019, doi: 10.29207/resti.v3i2.1042.

K. S. Nugroho, I. Istiadi, and F. Marisa, “Naive Bayes classifier optimization for text classification on e-government using particle swarm optimization,” J. Teknol. dan Sist. Komput., vol. 8, no. 1, pp. 21–26, 2020, doi: 10.14710/jtsiskom.8.1.2020.21-26.

K. S. Nugroho, I. Istiadi, and F. Marisa, “Optimasi naive Bayes classifier untuk klasifikasi teks pada e-government menggunakan particle swarm optimization,” J. Teknol. dan Sist. Komput., vol. 8, no. 1, pp. 21–26, Jan. 2020, doi: 10.14710/JTSISKOM.8.1.2020.21-26.

J. dalleh, Akrim, and Baharuddin, Pengantar Teknologi Farmasi. 2020. [Online]. Available: http://eprints.ulm.ac.id/9247/1/Buku_Pengantar Teknologi Informasi.pdf

B. P. Nayoga, R. Adipradana, R. Suryadi, and D. Suhartono, “Hoax Analyzer for Indonesian News Using Deep Learning Models,” Procedia Comput. Sci., vol. 179, no. 2020, pp. 704–712, 2021, doi: 10.1016/j.procs.2021.01.059.

M. H. Goldani, R. Safabakhsh, and S. Momtazi, “Convolutional neural network with margin loss for fake news detection,” Inf. Process. Manag., vol. 58, no. 1, p. 102418, Jan. 2021, doi: 10.1016/j.ipm.2020.102418.

R. Pakpahan, “Analisis Fenomena Hoax Diberbagai Media Sosial Dan Cara Menanggulangi Hoax,” Konf. Nas. Ilmu Sos. Teknol., vol. 1, no. 1, pp. 479–484, 2017, [Online]. Available: http://seminar.bsi.ac.id/knist/index.php/UnivBSI/article/view/184

M. A. Hasanah, S. Soim, and A. S. Handayani, “Implementasi CRISP-DM Model Menggunakan Metode Decision Tree dengan Algoritma CART untuk Prediksi Curah Hujan Berpotensi Banjir,” J. Appl. Informatics Comput., vol. 5, no. 2, pp. 103-108, Oct. 2021, doi: 10.30871/JAIC.V5I2.3200.

Downloads

Published

2024-04-30

How to Cite

[1]
Y. Kurnia, E. D. Kusuma, L. W. Kusuma, Suwitno, and W. Apridius, “Perbandingan Naïve Bayes dan CNN yang Dioptimasi PSO pada Identifikasi Berita Hoax Politik Indonesia”, bit-Tech, vol. 6, no. 3, pp. 340–352, Apr. 2024.

Issue

Section

Articles
DOI : https://doi.org/10.32877/bt.v6i3.1225
Abstract views: 232 / PDF downloads: 141

Most read articles by the same author(s)

1 2 > >>