IMPLEMENTASI MACHINE LEARNING DALAM MENGANALISIS DAN MENDETEKSI BERITA PALSU PADA PORTAL BERITA BAHASA INGGRIS
DOI:
https://doi.org/10.59407/jrsit.v1i3.455Abstract
Kemajuan teknologi informasi di era digital saat ini telah memberikan dampak yang signifikan terhadap akses informasi melalui media online. Hal ini disebabkan semakin populernya penggunaan media online karena biayanya yang murah dan akses yang mudah. Berita palsu dapat disebarkan melalui berbagai platform media, termasuk penggunaan website, media sosial, email, dan platform digital lainnya. Berita palsu disebarkan untuk berbagai tujuan, termasuk menghasilkan pendapatan iklan melalui clickbait, mempengaruhi opini publik mengenai peristiwa terkini, menyebarkan perselisihan, dan mempromosikan agenda tertentu.Dalam penelitian ini diusulkan metodologi untuk mendeteksi berita asli dan berita palsu dengan menggunakan metode seleksi fitur TF-IDF untuk melakukan klasifikasi dan menerapkan algoritma pembelajaran mesin yaitu, Support Vector Machine, Logistic Regression, Random Forest, dan Decision Tree. Hasil dari klasifikasi tersebut ditampilkan dalam bentuk confusion matrix. Berdasarkan hasil penelitian yang telah dilakukan algoritma Support Vector Machine menghasilkan akurasi sebesar 95,65% dengan nilai presisi 94,91%, disusul dengan algoritma Logistic Regression, algoritma Random Forest, dan algoritma Decision Tree yang memperoleh nilai akurasi terkecil sebesar 91,25%.
References
Mridha, M. F., Member, S., Keya, A. J., Hamid, A., Monowar, M. M., & Rahman, S. (2021). A Comprehensive Review on Fake News Detection with Deep Learning. IEEE Access, PP, 1. https://doi.org/10.1109/ACCESS.2021.3129329
Mahyoob, M., Algaraady, J., & Alrahaili, M. (2020). Linguistic-Based Detection of Fake News in Social Media Linguistic-Based Detection of Fake News in Social Media, (November). https://doi.org/10.5539/ijel.v11n1p99
Seddari, N., Derhab, A., Belaoued, M., Halboob, W., Al-muhtadi, J., & Bouras, A. (2022). A Hybrid Linguistic and Knowledge-Based Analysis Approach for Fake News Detection on Social Media. IEEE Access, 10, 62097–62109. https://doi.org/10.1109/ACCESS.2022.3181184
Vijayaraghavan, S., Wang, Y., Voong, J., Nasseri, A., Li, L., & Xu, W. (n.d.). Fake News Detection with Different Models.
Aljwari, F. (2022). Multi-scale Machine Learning Prediction of the Spread of Arabic Online Fake News, 13, 1–14.
Lakshmi, V. D. (2022). Detection of Fake News using Machine Learning Models, 183(47), 22–27.
Muslim, I., Karo, K., Dewi, S., & Fadilah, P. M. (2023). Hoax Detection on Indonesian Tweets using Naïve Bayes Classifier with TF-IDF, 4(3), 914–919. https://doi.org/10.47065/josh.v4i3.3317
Prachi, N. N., Rafi, E. H., Alam, E., & Khan, R. (2022). Detection of Fake News Using Machine Learning and Natural Language Processing Algorithms, 13(6), 652–661. https://doi.org/10.12720/jait.13.6.652-661
Jatain, A., & Vashisht, P. (2023). Fake News Detection Model Using Machine Learning, 1(1), 60–66.
Yanuar, I., Pratiwi, R., & Nugraha, A. F. (2022). Hoax news identification using machine learning model from online media in Bahasa Indonesia, 12(2), 58–67.
Pandey, S., Prabhakaran, S., Huang, J., & Zhao, Z. (2021). Fake News Detection Using Machine Learning Approaches. https://doi.org/10.1088/1757-899X/1099/1/012040
Verma, P. K., Agrawal, P., Amorim, I., & Prodan, R. (n.d.). WELFake : Word Embedding Over Linguistic Features for Fake News Detection, 1–13. https://doi.org/10.1109/TCSS.2021.3068519
Verma, P. K., Agrawal, P., Amorim, I., & Prodan, R. (n.d.). WELFake dataset for fake news detection in text data. 2021[Online]. Available https://doi.org/10.5281/zenodo.4561253. [Accessed : 18-10-2023].
