Penerapan Metode Neighbor Weighted K-Nearest Neighbor Untuk Deteksi Konten Hoax Bahasa Indonesia

Hoax merujuk kepada informasi yang mencakup elemen yang tidak dapat dipercaya dan juga hoax memiliki informasi yang tidak sesuai dengan suatu kejadian yang terjadi pada kenyataannya, jika informasi hoax tersebut masuk ke dalam kalangan masyarakat tentunya bisa berdampak negatif dan juga hoax bisa merusak kepercayaan publik. Salah satu upaya pencegahan penyebaran berita hoax adalah dengan melakukan identifikasi untuk memastikan apakah informasi berita tersebut yang dibaca tersebut benar atau bukan hal tersebut memberikan penjelasan kepada pembaca. Dalam penelitian ini, deteksi berita akan dilakukan menggunakan metode Neighbor Weighted K-Nearest Neighbor (NWKNN). NWKNN memiliki kemampuan untuk mengklasifikasikan konten hoax dalam situasi data yang tidak seimbang dengan nilai e=8 dan k=4, yang menghasilkan F1-Score terbaik sebesar 0.57 ketika data latih dan data uji dibagi dalam rasio 80%:20%. Selanjutnya, ketika dilakukan pengujian pada data yang seimbang dengan nilai k=30, metode ini menghasilkan F1-Score terbaik sebesar
0.53 dengan menerapkan teknik Random Undersampling. Hasil pengujian pada data yang tidak seimbang juga dibandingkan dengan metode KNN, dan ditemukan bahwa NWKNN memiliki nilai F1-Score lebih tinggi, yaitu sebesar 0.54, dengan selisih sekitar 0.03. Ini disebabkan oleh pemberian bobot pada kelas minoritas dalam NWKNN, yang membantu mengatasi masalah deteksi kesalahan pada kelas minoritas.