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%.
Collections
- UT - Computer Science [2236]