Metode Klasifikasi K-Nearest Neighbor untuk Analisis Hoax.

Abstract

Hoax adalah informasi sesat dan berbahaya yang dapat menyesatkan persepsi manusia dengan menyampaikan informasi palsu sebagai kebenaran. Hoax mampu mempengaruhi banyak orang dengan menodai suatu citra dan kredibilitas. Salah satu cara dalam bidang Information Retrieval yang dapat digunakan untuk membedakan berita hoax dan non-hoax adalah dengan menggunakan metode klasifikasi teks. Metode klasifikasi yang akan digunakan pada penelitin ini adalah metode K-Nearest Neighbor dan dibandingkan dengan Multinomial Naive Bayes. Data pada penelitian ini berupa 300 dokumen hoax dan 300 dokumen non-hoax. Data dibagi menjadi 10 model pengujian menggunakan metode k-fold cross validation. Hasil akurasi tertinggi dari klasifikasi K-Nearest Neighbor sebesar 81.67% sedangkan Multinomial Naive Bayes menghasilkan akurasi tertinggi sebesar 93.33%. Hasil akurasi rata-rata dari klasifikasi K-Nearest Neighbor sebesar 77.50% dan Multinomial Naive Bayes sebesar 85.83%.