Nugra, Habean Lando Ray Maha (2024) Pemilihan Fitur Menggunakan Gain Ratio Untuk Mendeteksi Hoaks Pada Berita. Other thesis, Universitas Komputer Indonesia.
![]() |
Text
UNIKOM_Habeahan Lando_COVER.pdf - Published Version Download (34kB) |
![]() |
Text
UNIKOM_Habeahan Lando_LEMBAR PENGESAHAN.pdf - Published Version Download (524kB) |
![]() |
Text
UNIKOM_Habeahan Lando_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (330kB) |
![]() |
Text
UNIKOM_Habeahan Lando_SURAT PERNYATAAN ORISINALITAS.pdf - Published Version Download (595kB) |
![]() |
Text
UNIKOM_Habeahan Lando_KATA PENGANTAR.pdf - Published Version Download (86kB) |
![]() |
Text
UNIKOM_Habeahan Lando_DAFTAR ISI.pdf - Published Version Download (57kB) |
![]() |
Text
UNIKOM_Habeahan Lando_BAB 1.pdf - Published Version Download (27kB) |
![]() |
Text
UNIKOM_Habeahan Lando_BAB 2.pdf - Published Version Download (201kB) |
![]() |
Text
UNIKOM_Habeahan Lando_BAB 3.pdf - Published Version Restricted to Repository staff only Download (377kB) | Request a copy |
![]() |
Text
UNIKOM_Habeahan Lando_BAB 4.pdf - Published Version Restricted to Repository staff only Download (456kB) | Request a copy |
![]() |
Text
UNIKOM_Habeahan Lando_BAB 5.pdf - Published Version Download (11kB) |
![]() |
Text
UNIKOM_Habeahan Lando_DAFTAR PUSTAKA.pdf - Published Version Download (115kB) |
![]() |
Text
UNIKOM_Habeahan Lando_LEMBAR KONTAK PENULIS & KONTRIBUTOR.pdf - Published Version Download (286kB) |
Abstract
Hoaks adalah informasi palsu yang disebarkan secara sengaja untuk mempengaruhi persepsi publik dan merusak kredibilitas. Penyebaran berita hoaks yang semakin meningkat di era digital membutuhkan sistem otomatis yang dapat mengklasifikasikan berita palsu secara efektif. Penelitian sebelumnya menunjukkan bahwa seleksi fitur dapat meningkatkan akurasi dalam klasifikasi berita hoaks. Metode seperti Naïve Bayes Classifier (NBC) dengan seleksi fitur Mutual Information (MI) dan Information Gain (IG) telah terbukti meningkatkan F1-score secara signifikan. Namun, tingginya dimensi ruang fitur dalam data teks menjadi tantangan dalam klasifikasi, sehingga seleksi fitur menjadi penting untuk menghilangkan fitur-fitur yang tidak relevan. Penelitian ini menggunakan seleksi fitur dengan gain ratio untuk meningkatkan akurasi deteksi berita hoaks. Hasil penelitian menunjukkan bahwa gain ratio mampu meningkatkan performa model Naïve Bayes secara signifikan. Dengan seleksi fitur sebanyak 5000 fitur, model menunjukkan performa terbaik, dengan recall yang tinggi dan mampu memprediksi hoaks dengan akurat tanpa menghasilkan false negatif yang tinggi. Kesimpulannya, seleksi fitur menggunakan gain ratio terbukti efektif dalam meningkatkan performa klasifikasi berita hoaks.
Item Type: | Thesis (Other) |
---|---|
Uncontrolled Keywords: | Hoaks, Klasifikasi Berita, Naïve Bayes Classifier, Seleksi Fitur, Gain Ratio. |
Subjects: | 000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 005_Computer Programming, Programs & Data Q Science > QA Mathematics > QA76 Computer software |
Divisions: | S1_SKRIPSI > FTIK_Teknik Informatika (01) |
Depositing User: | Mia Mia Hayati Kosasih |
Date Deposited: | 29 Aug 2025 04:06 |
Last Modified: | 29 Aug 2025 04:06 |
URI: | http://elibrary.unikom.ac.id/id/eprint/10814 |
Actions (login required)
![]() |
View Item |