Deteksi Berita Palsu Pada Pemilu 2024 Dengan Menggunakan Algoritma Random Forest

Arizal Sabila Nurhikam; Rivaldi Syaputra; Saepul Rohman; Satrio Rully Priyambodo; Nova Agustina

doi:10.25273/doubleclick.v7i1.15456

Authors

Arizal Sabila Nurhikam Universitas Adhirajasa Reswara Sanjaya
Rivaldi Syaputra Universitas Adhirajasa Reswara Sanjaya
Saepul Rohman Universitas Adhirajasa Reswara Sanjaya
Satrio Rully Priyambodo Universitas Adhirajasa Reswara Sanjaya
Nova Agustina Sekolah Tinggi Teknologi Bandung

DOI:

https://doi.org/10.25273/doubleclick.v7i1.15456

Keywords:

Berita Palsu, Pemilihan Umum 2024, Algoritma Random Forest, Deteksi Berita

Abstract

Pemilu atau pemilihan umum merupakan proses penting dalam negara demokrasi yang digunakan untuk memilih pemimpin dan pemerintah. Namun, maraknya berita palsu yang beredar di media sosial menyebabkan keraguan terhadap informasi yang didapat. Oleh karena itu, dibutuhkan tektnik untuk mendeteksi berita palsu sebelum berita tersebut diterima dan dipercayai oleh masyarakat. Dalam penelitian ini, kami mengevaluasi kemampuan algoritma random forest dalam mendeteksi berita palsu pada pemilu 2024. Dataset yang digunakan berisikan 859 record yang berisi id, status_fakta, dan judul_berita, dimana status_fakta sebagai label. Proses yang dilakukan pada dataset meliputi cleaning, tokenisasi, dan stemming. Kemudian dilakukan proses training dan testing pada model untuk mendapatkan akurasi dari model tersebut. Hasil yang didapatkan dari pengujian ini adalah akurasi sebesar 84.88%. Penerapan cleaning, tokenisasi, dan stemming pada dataset juga meningkatkan kualitas dataset yang digunakan dalam proses klasifikasi.Â

Downloads

Download data is not yet available.

References

Agustiani, S., Arifin, Y. T., Junaidi, A., Wildah, S. K., & Mustopa, A. (2022). Klasifikasi Penyakit Daun Padi menggunakan Random Forest dan Color Histogram. Jurnal Komputasi, 10(1), 65â€“74.

Ansori, L. (2017). Telaah Terhadap Presidential Threshold Dalam Pemilu Serentak 2019. Jurnal Yuridis, 4(1), 15â€“27.

Ardiani, L., Sujaini, H., & Tursina, T. (2020). Implementasi Sentiment Analysis Tanggapan Masyarakat Terhadap Pembangunan di Kota Pontianak. JUSTIN (Jurnal Sistem Dan Teknologi Informasi), 8(2), 183â€“190.

Bayhaqy, A., Sfenrianto, S., Nainggolan, K., & Kaburuan, E. R. (2018). Sentiment analysis about E-commerce from tweets using decision tree, K-nearest neighbor, and naÃ¯ve bayes. 2018 International Conference on Orange Technologies (ICOT), 1â€“6.

Gislason, P. O., Benediktsson, J. A., & Sveinsson, J. R. (2006). Random forests for land cover classification. Pattern Recognition Letters, 27(4), 294â€“300.

Harahap, R. N., & Muslim, K. (2018). Peningkatan Akurasi Pada Prediksi Kepribadian MBTI Pengguna Twitter Menggunakan Augmentasi Data. Teknologi Informasi Dan Ilmu Komputer, 815â€“822.

Irawan, F., & Samopa, F. (2018). A Comparative Assessment of the Random Forest and SVM Algorithms Using Combination of Principal Component Analysis and SMOTE For Accounts Receivable Seamless Prediction case study company X in Surabaya. Proceedings of the 2nd International Seminar Of Contemporary ONBUSINESS Research & Management.

Juliswara, V. (2017). Mengembangkan model literasi media yang berkebhinnekaan dalam menganalisis informasi berita palsu (hoax) di media sosial. Jurnal Pemikiran Sosiologi, 4(2).

Mustikasari, D. (2017). Analisis Tema Skripsi Mahasiswa Menggunakan Document Clustering Dengan Algoritma LINGO. Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control, 131â€“140.

Nugroho, Y. S. (2014). Data Mining Menggunakan Algoritma NaÃ¯ve Bayes Untuk Klasifikasi Kelulusan Mahasiswa Universitas Dian Nuswantoro. Dian Nuswantoro Fakultas Ilmu Komputer Skripsi.

Ramadhan, N. G., Adhinata, F. D., Segara, A. J. T., & Rakhmadani, D. P. (2022). Deteksi Berita Palsu Menggunakan Metode Random Forest dan Logistic Regression. JURIKOM (Jurnal Riset Komputer), 9(2), 251. https://doi.org/10.30865/jurikom.v9i2.3979

Ratkiewicz, J., Conover, M., Meiss, M., GonÃ§alves, B., Patil, S., Flammini, A., & Menczer, F. (2011). Truthy: mapping the spread of astroturf in microblog streams. Proceedings of the 20th International Conference Companion on World Wide Web, 249â€“252.

Religia, Y., Nugroho, A., & Hadikristanto, W. (2021). Analisis Perbandingan Algoritma Optimasi pada Random Forest untuk Klasifikasi Data Bank Marketing. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(1), 187â€“192.

Sardjono, M. W., Cahyanti, M., Mujahidin, M., & Arianty, R. (2018). Pendeteksi Kesamaan Kata untuk Judul Penulisan Berbahasa Indonesia Menggunakan Algoritma Stemming Nazief-Adriani. Sebatik, 22(2), 138â€“146.

Sgurev, V., IEEE Systems, M., Institute of Electrical and Electronics Engineers. Bulgaria Section. IM/CS/SMC Joint Chapter, Institute of Electrical and Electronics Engineers. Bulgaria Section. CIS Chapter, & Institute of Electrical and Electronics Engineers. (n.d.). 2020 IEEE 10th International Conference on Intelligent Systems (IS) : proceedings.

Siregar, A. M. (2020). Klasifikasi Untuk Prediksi Cuaca Menggunakan Esemble Learning.

Yonathan, A., Sujaini, H., Esyudha Pratama, E., Nawawi, J. H., & Barat, K. (2022). Perbandingan Algoritma Klasifikasi dalam Pendeteksian Hoax pada Media Sosial. https://doi.org/10.26418/juara.v1i1.53126

Yunanto, R., Purfini, A. P., & Prabuwisesa, A. (2021). Jurnal Manajemen Informatika (JAMIKA) Survei Literatur: Deteksi Berita Palsu Menggunakan Pendekatan Deep Learning. https://doi.org/10.34010/jamika.v11i2.493