KLASIFIKASI BERITA PALSU PADA BERITA ONLINE BAHASA INDONESIA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN NAIVE BAYES

Penyebaran berita palsu atau berita hoax saat ini sudah semakin tak terbendung. Pesatnya pertumbuhan website yang tidak terverifikasi, semakin memperburuk masalah ini. Untuk itu, perlu adanya sebuah sistem yang dapat melakukan klasifikasi berita berdasarkan teks, yang dapat menjadi media penyaring berita-berita tersebut. Salah satu metode yang paling sering digunakan, ialah metode Naïve Bayes yang diketahui mampu memberikan hasil terbaik untuk klasifikasi berita palsu secara umum. Namun masih lemah untuk klasifikasi berita dengan topik tertentu. Untuk mengatasi kekurangan tersebut, pada penelitian ini sistem yang dibuat untuk melakukan klasifikasi terhadap topik berita terlebih dahulu menggunakan metode Support Vector Machine. Metode SVM dipilih karena sudah terbukti memiliki akurasi tinggi untuk klasifikasi berita berbahasa Indonesia. Kemudian, untuk menambah akurasi hasil klasifikasi ini, digunakan pula gabungan TF-IDF dan Mutual Information sebagai penyeleksi fitur. Hasil pengukuran performa penggunaan metode SVM dan Naive Bayes untuk klasifikasi berita palsu atau hoax dengan tiga kategori yang telah ditentukan yakni kesehatan dan makanan, politik, serta tokoh, memperoleh nilai rata-rata akurasi=81.33%, precission=75,31%, dan recall=96%.