Analisis Hoax Menggunakan Seleksi Fitur Chi Square dengan Relevance Feedback

Abstract

Hoax merupakan informasi tidak benar dan berbahaya karena dapat merubah persepsi seseorang dengan menyampaikan informasi palsu sebagai kebenaran dan dapat mengurangi kredibilitas. Pembelajaran mesin dapat digunakan untuk menganalisa sebuah berita merupakan hoax atau non hoax. Penelitian ini bertujuan untuk mengklasifikasikan berita hoax menggunakan 600 dokumen berita yang terdiri dari 300 berita hoax dan 300 berita non hoax. Data latih dan data uji dibagi berdasarkan pengujian metode 10-fold cross validation lalu menggunakan seleksi fitur Chi Square yang akan dibandingkan dengan Inverse Document Frequency dengan klasifikasi Multinomial Naïve Bayes dan menggunakan Incremental Naïve Bayes untuk menghitung nilai Relevance Feedback. Penelitian ini menghasilkan nilai rata-rata akurasi yang cukup baik yaitu sebesar 94.5% untuk seleksi fitur Chi Square dan 83.5% untuk IDF. Setelah menggunakan Relevance Feedback rata-rata akurasi bertambah menjadi 97.5% untuk seleksi fitur Chi Square dan 97% untuk seleksi fitur Inverse Document Frequency.