KOMPARASI ALGORITMA SVM, LSTM DAN INDOBERT PADA SISTEM DETEKSI JUDUL BERITA CLICKBAIT DAN NON CLICKBAIT DI MEDIA ONLINE
Total View This Week0
Total View This Week0
Institusion
Politeknik Harapan Bersama
Author
Ichsana, Ami Daelami
Subject
T Technology
Datestamp
2024-09-11 05:29:47
Abstract :
Dampak teknologi informasi telah menyentuh berbagai sektor seperti pendidikan, kesehatan, politik, ekonomi, dan komunikasi. Meski penyebaran informasi menjadi lebih mudah, tidak semua informasi di internet dapat dipercaya. Salah satu tantangan utama adalah adanya berita clickbait, yang menggunakan judul sensasional untuk menarik perhatian tanpa menyajikan informasi substansial, berpotensi menyesatkan pembaca. Untuk mengatasi masalah ini, penelitian ini membandingkan efektivitas tiga algoritma machine learning dalam mendeteksi berita clickbait: Support Vector Machine (SVM), Long Short-Term Memory (LSTM), dan IndoBERT. Dataset yang digunakan terdiri dari 1865 baris data dengan teks berita dan label clickbait/non-clickbait. Evaluasi dilakukan menggunakan bahasa pemrograman Python di Google Colab. Hasilnya menunjukkan bahwa IndoBERT mencapai akurasi tertinggi sebesar 80%, dibandingkan dengan SVM yang memperoleh 78% dan LSTM dengan 77%. Metode Confusion Matrix mengonfirmasi bahwa IndoBERT memberikan performa terbaik dalam klasifikasi berita clickbait. Kesimpulannya, IndoBERT adalah algoritma paling efektif untuk mendeteksi berita clickbait dalam dataset ini dan dipilih sebagai metode utama untuk implementasi sistem deteksi clickbait. Kata Kunci: Clickbait, SVM, LSTM, IndoBERT, Deteksi Berita, Mechine Learning
Dampak teknologi informasi telah menyentuh berbagai sektor seperti pendidikan, kesehatan, politik, ekonomi, dan komunikasi. Meski penyebaran informasi menjadi lebih mudah, tidak semua informasi di internet dapat dipercaya. Salah satu tantangan utama adalah adanya berita clickbait, yang menggunakan judul sensasional untuk menarik perhatian tanpa menyajikan informasi substansial, berpotensi menyesatkan pembaca. Untuk mengatasi masalah ini, penelitian ini membandingkan efektivitas tiga algoritma machine learning dalam mendeteksi berita clickbait: Support Vector Machine (SVM), Long Short-Term Memory (LSTM), dan IndoBERT. Dataset yang digunakan terdiri dari 1865 baris data dengan teks berita dan label clickbait/non-clickbait. Evaluasi dilakukan menggunakan bahasa pemrograman Python di Google Colab. Hasilnya menunjukkan bahwa IndoBERT mencapai akurasi tertinggi sebesar 80%, dibandingkan dengan SVM yang memperoleh 78% dan LSTM dengan 77%. Metode Confusion Matrix mengonfirmasi bahwa IndoBERT memberikan performa terbaik dalam klasifikasi berita clickbait. Kesimpulannya, IndoBERT adalah algoritma paling efektif untuk mendeteksi berita clickbait dalam dataset ini dan dipilih sebagai metode utama untuk implementasi sistem deteksi clickbait. Kata Kunci: Clickbait, SVM, LSTM, IndoBERT, Deteksi Berita, Mechine Learning
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
