Klasifikasi Hoaks Berbahasa Inggris menggunakan Boosting Weighted Extreme Learning Machine

##plugins.themes.bootstrap3.article.main##

Luthfi Mahendra Indriati Indriati Putra Pandu Adikara

Abstrak

Perkembangan teknologi yang pesat menyebabkan hoaks semakin mudah disebarkan melalui internet terutama untuk berita-berita yang bertema politik. Meskipun terlihat sepele, jika dibiarkan hoaks dapat menyebabkan berbagai macam masalah seperti kerusuhan masyarakat dan pemblokiran situs sosial media. Untuk menanggulangi masalah-masalah yang dapat disebabkan oleh hoaks, penelitian ini mencoba untuk membuat sistem klasifikasi hoaks otomatis berita berbahasa Inggris menggunakan algoritme Boosting Weighted ELM.  Algoritme tersebut dipilih karena memiliki hasil akurasi yang tinggi untuk berbagai macam permasalahan klasifikasi dokumen serta memiliki hasil yang baik jika data yang digunakan memiliki jumlah kelas tidak seimbang, sehingga cocok digunakan untuk klasifikasi hoaks yang jumlahnya lebih sedikit dibandingkan berita faktual. Metodologi penelitian dibagi menjadi beberapa tahap yang terdiri dari proses pre-processing, term weighting, normalisasi, pelatihan dan evaluasi algoritme. Data yang digunakan sebesar 180 artikel yang terdiri dari 90 berita hoaks dan berita faktual. Evaluasi dilakukan dengan mengukur nilai F1 (hasil rata-rata harmonis precision dan recall) menggunakan k-fold cross validation, hasil tertinggi yang didapatkan sebesar 0,787.

##plugins.themes.bootstrap3.article.details##

Cara Sitasi
Mahendra, L., Indriati, I., & Adikara, P. Klasifikasi Hoaks Berbahasa Inggris menggunakan Boosting Weighted Extreme Learning Machine. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, no. 8, p. 7467-7474, agu. 2019. ISSN 2548-964X. Tersedia pada: <http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/6035>. Tanggal Akses: 18 agu. 2019
Bagian
Artikel