Hoax Detection at Social Media With Text Mining Clarification SystemBased

Tammam, Aditya Gusti and Sucipto, Sucipto and Indriati, Rini (2018) Hoax Detection at Social Media With Text Mining Clarification SystemBased. JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 3 (2). pp. 94-100. ISSN 2540-8984

[img] Text
57201_0721029101.pdf

Download (2MB)
[img] Text
57201_0721029101_Similarity.pdf

Download (1MB)
[img] Text
57201_0721029101_PeerReview.pdf

Download (1MB)
Official URL: https://jurnal.stkippgritulungagung.ac.id/index.ph...

Abstract

Hoax adalah isu terkini yang meresahkan masyarakat dan menyebabkan kerusuhan di berbagai bidang, mulai dari politik, budaya, keamanan dan ketertiban, hingga ekonomi. Masalah ini tidak dapat dipisahkan dari dampak penggunaan media sosial yang cepat. Akibatnya, setiap hari ada ribuan informasi yang tersebar di media sosial, yang belum tentu valid, sehingga orang-orang berpotensi terkena tipuan di media sosial. Sistem pendeteksian tipuan dalam penelitian ini dirancang dengan pendekatan Pembelajaran Tanpa Pengawasan sehingga tidak memerlukan pelatihan data. Sistem ini dibangun menggunakan algoritma Peringkat Teks untuk ekstraksi kata kunci dan algoritma Cosine Similarity untuk menghitung tingkat kemiripan dokumen. Hasil ekstraksi kata kunci akan digunakan untuk mencari konten yang terkait dengan masukan dari pengguna menggunakan mesin pencari, lalu menghitung nilai kemiripan. Jika konten yang terkait cenderung berasal dari media tepercaya, maka konten tersebut berpotensi faktual. Demikian juga, jika konten yang terkait cenderung dipublikasikan oleh media yang tidak dapat diandalkan, maka ada potensi untuk tipuan. Sistem pendeteksian tipuan telah diuji menggunakan matriks kebingungan, dari 20 data konten berita yang terdiri dari 10 masalah yang benar dan 10 masalah yang salah. Kemudian sistem menghasilkan klasifikasi dengan rincian 13 masalah termasuk salah dan 7 masalah termasuk benar, maka jumlah klasifikasi yang sesuai dengan label asli adalah 15 masalah. Berdasarkan hasil klasifikasi, nilai akurasi 75% diperoleh.

Item Type: Article
Subjects: 410 Engineering science > 457 Computer engineering
410 Engineering science > 458 Technical information
410 Engineering science > 459 Computer science
410 Engineering science > 461 Information systems
410 Engineering science > 462 Information technology
410 Engineering science > 463 Software engineering
Divisions: Fakultas Teknik dan Ilmu Komputer > S1-Sistem Informasi
Depositing User: Sucipto Sucipto
Date Deposited: 12 Dec 2020 07:30
Last Modified: 15 Dec 2020 13:49
URI: http://repository.unpkediri.ac.id/id/eprint/2710

Actions (login required)

View Item View Item