Perbandingan Metode Ensemble untuk Mendeteksi Berita Hoaks (Studi Kasus: Vaksin  COVID-19)

DELVANITA SRI WAHYUNI

Informasi Umum

Kode

23.04.1074

Klasifikasi

006.35 - Natural Language Processing, Computer Science

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Natural Language Processing, Natural Science,

Dilihat

224 kali

Informasi Lainnya

Abstraksi

<p>Penyebaran hoax di Indonesia menjadi perhatian besar masyarakat, apalagi saat ini pandemi virus COVID-19 sedang melanda seluruh dunia. Karena banyaknya masyarakat yang percaya dengan berita hoaks tentang vaksinasi COVID-19 yang tersebar di media sosial, banyak masyarakat yang menolak untuk melakukan vaksinasi COVID-19 sebagai bentuk upaya pemerintah dalam menangani pandemi ini. Oleh karena itu, masyarakat perlu lebih bijak dalam membaca berita di jejaring sosial. Untuk membantu masyarakat agar tidak membaca hoaks, perlu dilakukan klasifikasi hoaks vaksin COVID-19. Penelitian ini membangun sebuah sistem untuk mengklasifikasikan berita hoax pada vaksin COVID-19. Model dibangun menggunakan metode ensemble dengan membandingkan algoritma Random Forest dan AdaBoost untuk memilih klasifikasi yang baik untuk mendeteksi hoax. Dalam penelitian ini digunakan dua skenario pengujian. Skenario pertama adalah eksperimen dengan menggunakan metode algoritma Random Forest dan skenario kedua adalah eksperimen dengan menggunakan metode algoritma Adoboost. Hasil eksperimen menunjukkan bahwa skenario pertama menghasilkan nilai akurasi yang baik dengan metode algoritma random forest sebesar 93,58%.</p>

<p>Kata kunci : hoaks, vaksin covid-19, ensemble, Random Forest, AdaBoost</p>