Deteksi Berita Salah Pada Pemilihan Umum Presiden 2024 Menggunakan Metode Naïve Bayes Berbasis Website

Aziz Musthafa; Dihin Muriyatmoko; Taufiqurrahman; Surya  Kamal Sholihin

doi:10.37859/jf.v14i2.7110

Aziz Musthafa Universitas Darussalam Gontor
Dihin Muriyatmoko Universitas Darussalam Gontor
Taufiqurrahman Universitas Darussalam Gontor
Surya Kamal Sholihin Universitas Darussalam Gontor

https://doi.org/10.37859/jf.v14i2.7110

Keywords: berita salah, klasifikasi, penambangan teks, Naïve Bayes, Machine Learning

Abstract

Mendekati masa pemilihan umum, banyak berita salah yang muncul ditengah-tengah masyarakat menggiring opini masyarakat agar memilih calon presiden yang didukung pembuat berita salah. Diawal tahun 2024, Kementerian Komunikasi dan Informasi telah mengidentifikasi total 203 isu hoax pemilu yang tersebar di berbagai platform berita digital. Oleh karena itu membuat masyarakat yang ingin mengikuti berita perkembangan pemilu menjadi ragu. Tujuan dari penelitian ini membuat aplikasi pembelajaran mesin yang dapat mengklasifikasikan berita benar atau salah secara otomatis dan mudah. Dalam mengklasifikasikan berita, digunakan teknik Penambangan Teks (Text Mining) yang dapat mengolah data teks atau dokumen untuk mendapatkan informasi yang dibutuhkan. Metode yang digunakan yaitu klasifikasi Naïve Bayes. Data yang digunakan berupa berita benar dan berita salah dari situs Turn Back Hoax oleh MAFINDO (Masyarakat Anti Fitnah Indonesia) yang menyediakan sumber berita terverifikasi benar dan telah melabeli berita salah yang beredar di masyarakat. Implementasi menggunakan aplikasi berbasis website untuk klasifikasi berita Pemilihan Umum. Hasil klasifikasi dari website dengan menggunakan metode klasifikasi Naïve Bayes mendapatkan hasil evaluasi akurasi yang baik, yaitu sebesar 91% tingkat akurasi klasifikasinya. Berdasarkan hasil pengujian tersebut, diharapkan hasil penelitian ini dapat memberikan sumbangan bagi literasi digital masyarakat mengenai kearuratan berita pemilu

Downloads

Download data is not yet available.

References

A. M. Kaplan and M. Haenlein, “Users of the world , unite ! The challenges and opportunities of Social Media,” no. December, 2017, doi: 10.1016/j.bushor.2009.09.003.

K. Shu, A. Sliva, S. Wang, J. Tang, and H. Liu, “Fake News Detection on Social Media : A Data Mining Perspective Fake News Detection on Social Media : A Data Mining Perspective,” no. August, 2017, doi: 10.1145/3137597.3137600.

B. H. K. Kominfo, “Menkominfo: Isu Hoaks Pemilu Meningkat Hampir 10 Kali Lipat,” 2023.

F. Prasetya, “Analisis Data Mining Klasifikasi Berita Hoax COVID 19 Menggunakan Algoritma Naive Bayes,” vol. 4, no. September, pp. 132–139, 2022, doi: 10.30865/json.v4i1.4852.

M. F. Muttaqin, T. Bukhori, Y. Yanto, N. Agustina, and M. Naseer, “Sistem Prediksi Berita Palsu Tentang Virus Covid-19 Menggunakan Algoritma Support Vector Machine (Svm),” Naratif J. Nas. Riset, Apl. dan Tek. Inform., vol. 5, no. 1, pp. 26–33, 2023, doi: 10.53580/naratif.v5i1.187.

D. Rahma Putri, B. Arif Dermawan, I. Purnamasari, U. H. Singaperbangsa Karawang Jl Ronggo Waluyo, and T. Timur, “Implementasi Modified Enhanced Confix Stripping Stemmer pada Klasifikasi Fake News Covid-19,” J. Sains Komput. Inform. (J-SAKTI, vol. 5, no. 2, pp. 589–600, 2021.

A. Cardova and A. Hermawan, “Implementasi Metode LSTM Untuk Mengklasifikasi Berita Palsu Pada PolitiFact,” vol. 13, no. 3, pp. 471–479, 2023.

J. Sanjaya, B. Priyatna, and S. S. Hilabi, “Analisis Sentimen Terhadap Opini Proyek Kereta Cepat Menggunakan Metode Naïve Bayes Classifier,” vol. 14, no. 1, pp. 263–270, 2024.

C. H. Yutika, A. Adiwijaya, and S. Al Faraby, “Analisis Sentimen Berbasis Aspek pada Review Female Daily Menggunakan TF-IDF dan Naïve Bayes,” J. Media Inform. Budidarma, vol. 5, no. 2, p. 422, 2021, doi: 10.30865/mib.v5i2.2845.

D. Muriyatmoko, Taufiqurrahman, and A. Humam, “Analisis Sentimen Masyarakat Terhadap Konflik Rusia dan Ukraina Menggunakan Metode Naïve Bayes pada Media Sosial Twitter,” Metik J., vol. 6, no. 2, pp. 140–145, 2022, doi: 10.47002/metik.v6i2.375.

R. Aziz, T. M. Fahrudin, W. Syaifullah, and J. Saputra, “Analisis Sentimen Kepuasan Pengguna OYO Di Playstore Dengan Multinomial Naive Bayes dan Chi-square,” vol. 14, no. 1, pp. 166–175, 2024.

H. Hafid, “Penerapan K-Fold Cross Validation untuk Menganalisis Kinerja Algoritma K-Nearest Neighbor pada Data Kasus Covid-19 di Indonesia,” J. Math., vol. 6, no. 2, pp. 161–168, 2023.

A. Y. A. Nugraha and F. F. Abdulloh, “Optimasi Naive Bayes dan Cosine Similarity Menggunakan Particle Swarm Optimization Pada Klasifikasi Hoax Berbahasa Indonesia,” J. Media Inform. Budidarma, vol. 6, no. 3, p. 1444, 2022, doi: 10.30865/mib.v6i3.4170.