Update Artikelilmiah: 48134

DINA RAHMAWATI

NIM

Judul Artikel

Abstrak (Bhs. Indonesia)

Penyebaran berita hoaks yang berkaitan dengan sektor kesehatan dapat memberikan dampak negatif terhadap masyarakat karena dapat memengaruhi kesehatan fisik dan mental. Oleh karena itu, perlu penanganan terhadap berita hoaks agar tidak menimbulkan kerugian besar bagi masyarakat. Pada penelitian ini, model klasifikasi machine learning dengan metode Support Vector Machine (SVM) digunakan sebagai solusi untuk mendeteksi konten berisi berita hoaks dengan memanfaatkan proses text mining. Dataset penelitian adalah berita kesehatan tahun 2022–2024 yang mencakup berita hoaks dan valid dengan jumlah 500 data. Evaluasi kinerja model klasifikasi dilakukan terhadap empat jenis fungsi kernel SVM, yaitu kernel linear, kernel polynomial, kernel RBF, dan kernel sigmoid. Hasil evaluasi menunjukkan bahwa akurasi kernel polynomial yaitu 0,64, kernel linear dan kernel RBF yaitu 0,90, sedangkan kernel sigmoid yaitu 0,92. Dengan demikian, kernel sigmoid adalah fungsi kernel terbaik karena menghasilkan akurasi tertinggi. Selain itu, model yang dihasilkan dari kernel sigmoid memiliki nilai evaluasi precision, recall, dan f1-score seimbang antara kelas hoaks dan valid, artinya model stabil dan tidak condong ke salah satu kelas tertentu.

Abtrak (Bhs. Inggris)

The spread of hoax news related to the health sector can have a negative impact on society because it can affect physical and mental health. Therefore, it is necessary to deal with hoax news so that it does not cause great harm to the community. In this study, a machine learning classification model with the Support Vector Machine (SVM) method is used as a solution to detect content containing hoax news by utilizing the text mining process. The research dataset is health news in 2022-2024 which includes hoax and valid news with a total of 500 data. The performance evaluation of classification model was carried out on four types of SVM kernel functions, namely linear kernel, polynomial kernel, RBF kernel, and sigmoid kernel. The evaluation results show that the accuracy of the polynomial kernel is 0.64, linear kernel and RBF kernel are 0.90, while the sigmoid kernel is 0.92. Thus, the sigmoid kernel is the best kernel function because it produces the highest accuracy. In addition, the model generated from the sigmoid kernel has balanced precision, recall, and f1-score evaluation values between hoax and valid classes, meaning that the model is stable and does not lean towards one particular class.

Kata kunci

Pembimbing 1

Pembimbing 2

Pembimbing 3

Tahun

Jumlah Halaman