KLASIFIKASI BERITA HOAKS KAMPANYE PEMILIHAN UMUM (PEMILU) 2024 MENGGUNAKAN ALGORITMA NAÏVE BAYES

Abstract

Internet telah menjadi media informasi yang terkenal di berbagai bidang, termasuk pencarian berita, foto, ulasan produk, layanan masyarakat, film, dan lainnya. Semua ini disajikan melalui sumber berbagi seperti berita, media sosial, dan blog. Blog dan website sering disebut sebagai sumber berita. Berita dapat memiliki perspektif netral, negatif, atau positif. Dalam era informasi digital yang berkembang pesat, berita dan informasi menyebar dengan cepat melalui platform internet. Pada masa pemilihan umum (pemilu), banyak buzzer penyebar berita hoaks yang muncul untuk mengelabui masyarakat demi kepentingan pribadi dan terkadang merugikan beberapa calon legislative ataupun partai politik. Permasalahan ini dapat diselesaikan dengan menggunakan text mining yang mengklasifikasikan judul berita menggunakan algoritma naïve bayes dan metode Knowledge Discovery in Database (KDD) dan menggunakan rapidminer sebagai alat pengujian. Algoritma naïve bayes dan metode KDD ini sering digunakan dan dianggap sangat baik dalam mengklasifikasikan dataset dengan jumlah yang besar. Hal ini menimbulkan tantangan baru dalam membedakan berita hoaks dan fakta.. Hasil penelitian ini akan menunjukkan nilai tertinggi dari akurasi sebesar 89.54% , nilai tertinggi presisi sebesar 86.44% dan nilai tertinggi dari recall sebesar 82.00%.