OPTIMASI PARAMETER SUPPORT VECTOR MACHINE MENGGUNAKAN GRID SEARCH UNTUK KLASIFIKASI BERITA HOAX COVID-19

MURAD, ALDO ABDULLAH (2023) OPTIMASI PARAMETER SUPPORT VECTOR MACHINE MENGGUNAKAN GRID SEARCH UNTUK KLASIFIKASI BERITA HOAX COVID-19. Strata 1 thesis, Universitas Teknokrat Indonesia.

	Text (Full Skripsi) skripsi17312217.pdf - Published Version Download (3MB)
	Text (Abstrak) abstrak17312217.pdf - Published Version Download (32kB)
	Text (Bab I Pendahuluan) b117312217.pdf - Published Version Download (180kB)
	Text (Bab II Landasan Teori) b217312217.pdf - Published Version Download (242kB)
	Text (Daftar Pustaka) daftar_pustaka17312217.pdf - Bibliography Download (169kB)

Abstract

Berita merupakan suatu informasi yang menunjukan tempat atau keterangan waktu dan biasanya terjadi di masyarakat. Pengguna internet di Indonesia tidaklah sedikit serta internet juga merupakan salah satu media yang digunakan untuk menyebarkan informasi. Faktor yang mempengaruhi penyebaran informasi menjadi tidak terkendali karena berbagai informasi dapat diakses oleh masyarakat melalui internet tanpa validasi, dimana informasi itu dapat berupa berita palsu atau hoax. Hoaks tentang kesehatan sangat berbahaya apabila informasi yang tidak benar dipraktikkan oleh masyarakat, seperti penyeberan informasi virus covid. Diperlukan proses pengklasifikasian terhadap teks yang didapat pada portal berita. Metode klasifikasi Support Vector Machine (SVM) dengan Optimasi oleh metode Grid Search memiliki 5 tahapan yaitu Data Selection, Prepocessing, Transformation, Data Mining, dan Evaluation. Penerapan metode SVM yang dioptimasi oleh Grid Search dilakukan pada situs portal berita yang dimana berita fakta dan berita bohong dijadikan sebagai data sampel. Analisis ini dilakukan untuk mengetahui tingkat akurasi dari metode yang digunakan. Metode SVM dioptimasi oleh Grid Search dibandingkan dengan metode SVM menggunakan kernel Linear. Hasil yang diperoleh dari penelitian ini menghasilkan tingkat akurasi SVM yang dioptimasi Grid Search sebesar 90%. Pada SVM dengan kernel Linear dihasilkan akurasi sebesar 82%. Dapat disimpulkan bahwa metode SVM yang dioptimasi oleh Grid Search lebih baik dibandingkan dengan metode SVM dengan kernel Linear dalam klasifikasi berita hoax pada portal berita online.

Item Type:	Thesis (Strata 1)
Uncontrolled Keywords:	Covid, Grid Search, Klasifikasi, Optimasi, SVM
Subjects:	INFORMATIKA > TP Chemical technology TP Chemical technology
Divisions:	Fakultas Teknik dan Ilmu Komputer > S1 Informatika
Depositing User:	Asep Haikal Kurniawan S.IP., M.A
Date Deposited:	18 Jan 2024 02:32
Last Modified:	18 Jan 2024 02:32
URI:	http://repository.teknokrat.ac.id/id/eprint/5534

Actions (login required)

View Item