OPTIMASI CNN UNTUK MENDETEKSI BERITA HOAX BERBAHASA INDONESIA MENGGUNAKAN PARTICLE SWARM OPTIMIZATION

Lunardi, Lidya (2023) OPTIMASI CNN UNTUK MENDETEKSI BERITA HOAX BERBAHASA INDONESIA MENGGUNAKAN PARTICLE SWARM OPTIMIZATION. Skripsi thesis, Universitas Buddhi Dharma.

	Text COVER - BAB III.pdf - Published Version Download (5MB)
	Text BAB IV.pdf - Published Version Restricted to Registered users only Download (4MB) | Request a copy
	Text BAB V - LAMPIRAN.pdf - Published Version Download (5MB)

Abstract

Jumlah pengguna internet di Indonesia semakin meningkat setiap tahunnya. Indonesia memiliki 210,03 juta pengguna internet selama periode 2021-2022. Angka tersebut meningkat 6,78% dari periode sebelumnya yang berjumlah 196,7 juta pengguna. Dalam kurun waktu tiga tahun terakhir sejak Agustus 2018 hingga awal tahun 2022, Kementerian Komunikasi dan Informatika (Kominfo) mengidentifikasi sebanyak 9.546 kasus berita hoaks yang tersebar di internet. Hoax adalah istilah yang digunakan untuk menggambarkan berita palsu, pencemaran nama baik, atau misinformasi serupa. Penyebaran berita hoax dapat menyebarluaskan masyarakat dengan memberikan informasi yang tidak benar. Selain itu, tindakan tersebut dimanfaatkan oleh pihak-pihak tertentu untuk mencapai tujuan masyarakat dan membahayakan landasan persatuan bangsa. Salah satu cara untuk mengetahui apakah suatu berita mengandung informasi hoax adalah dengan menggunakan teknik text mining yang dapat digunakan untuk mengklasifikasikan teks. Untuk mencegah penyebaran berita hoax, perlu dikembangkan metode Deep Learning seperti Convolutional Neural Network yang dioptimasi dengan Particle Swarm Optimization untuk mengidentifikasi hoax sedini mungkin sebelum berita tersebut menyebar. Tujuan dilakukannya deteksi berita adalah untuk meningkatkan kesadaran masyarakat, menstimulasi masyarakat agar lebih cerdas dalam mengonsumsi berita, dan mengurangi dampak berita hoax terhadap informasi lingkungan. Temuan penelitian menunjukkan bahwa model CNN yang dioptimasi menggunakan PSO mencapai tingkat akurasi sebesar 92,06%, tingkat presisi sebesar 91,6%, dan tingkat recall sebesar 96,19%. Hasil penelitian ini dapat digunakan untuk mengidentifikasi berita berbahasa Indonesia yang tersebar di masyarakat Indonesia.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Text Mining, Deep Learning, Hoax, Convolutional Neural Network, Particle Swarm Optimization
Subjects:	000 Karya Umum > 005 Pemograman > 005.74 Database
Divisions:	Fakultas Sains & Teknologi > Teknik Informatika
Depositing User:	Hariyanto Rie
Date Deposited:	27 Feb 2024 02:58
Last Modified:	27 Feb 2024 02:58
URI:	https://repositori.buddhidharma.ac.id//id/eprint/2017

Actions (login required)

View Item