Deteksi Berita Hoax pada Dokumen Berbahasa Indonesia Menggunakan Metode Modified K-Nearest Neighbor

Yufis Azhar

Abstract


Berita hoax adalah berita bohong atau kabar palsu. Dewasa ini, hampir di seluruh dunia, termasuk di Indonesia mengampanyekan peperangan terhadap berita hoax. Hal ini dilakukan karena berita ini sangat berbahaya dan dapat mengancam keutuhan bangsa. Salah satu cara yang dapat dilakukan untuk menghentikan peredaran berita hoax adalah mendeteksinya sedini mungkin dan memblokirnya. Banyak cara yang diusulkan oleh para peneliti untuk bisa mendeteksi berita hoax pada dokumen berbahasa Indonesia secara otomatis, salah satunya adalah dengan menggunakan metode pembelajaran mesin yakni K-Nearest Neighbor (KNN). Akan tetapi, nilai akurasi yang didapatkan oleh metode ini dianggap masih kurang baik. Oleh karena itu, dalam penelitian ini, diusulkan penggunaan metode Modified K-Nearest Neighbor (MKNN) untuk mendeteksi berita hoax yang terdapat dalam suatu dokumen teks berbahasa Indonesia. MKNN adalah metode pengembangan dari metode KNN konvensional. Metode ini menambahkan perhitungan nilai validitas dan perhitungan nilai bobot untuk dapat meningkatkan akurasi dari hasil klasifikasi. Pengujian yang dilakukan membuktikan bahwa penggunaan metode MKNN dapat meningkatkan akurasi hasil klasifikasi sebesar 4% dibandingkan dengan metode KNN konvensional

Keywords


Modified K-NN; Klasifikasi Berita; Berita Hoax

Full Text:

PDF


DOI: https://doi.org/10.22219/sentra.v0i6.3815

Refbacks

  • There are currently no refbacks.


Seketariat

Fakultas Teknik

Universitas Muhammadiyah Malang Kampus III

Jl. Raya Tlogomas 246 Malang, 65144