PERBANDINGAN DETEKSI HOAX DENGAN METODE SUPPORT VECTOR MACHINE SEBELUM DAN SETELAH MENGGUNAKAN PARTICLE SWARM OPTIMIZATION

MUHAMMAD AL FAJRI, Suprapto, Drs., M.Kom., Dr.

2021 | Skripsi | S1 ILMU KOMPUTER

Penyebaran berita pada media online semakin cepat, seiring dengan meningkatnya pengguna internet. Berita tersebut tidak sepenuhnya memuat informasi yang valid. Berita tidak valid atau hoax dapat menimbulkan dampak negatif, sehingga data sebaiknya diklasifikasikan sebagai hoax atau bukan. Pada penelitian ini dilakukan pendeteksian hoax menggunakan metode Support Vector Machine (SVM) dengan optimasi Particle Swarm Optimization (PSO). SVM dapat menemukan hyperplane terbaik yang memisahkan dua buah kelas pada input space. Untuk mengatasi masalah optimasi digunakan PSO karena beberapa kelebihannya. Seperti mudah diimplementasikan, hanya membutuhkan sedikit parameter, lebih efisien dalam hal komputasi, dan lebih bersifat fleksibel. Selain itu, dilakukan juga perbandingan antara performa sebelum dan setelah penggunaan Particle Swarm Optimization (PSO). Evaluasinya menggunakan metode k-fold cross validation. Berdasarkan percobaan dalam penelitian didapat tingkat akurasi 77 % pada algoritma Support Vector Machine (SVM) tanpa menggunakan optimasi Particle Swarm Optimization (PSO), sedangkan dengan menggunakan optimasi Particle Swarm Optimization (PSO) didapat tingkat akurasi 82%.

News is spreading more rapidly on online media along with the increasing number of internet users. However, not all of this news contains valid information. Invalid news or hoax could induce negative impacts, hence, data should be classified as a hoax or not. In this research, hoax detection was done using the Support Vector Machine (SVM) method optimized by Particle Swarm Optimization (PSO). SVM could find the best hyperplane which separates two classes on input space. PSO was used as the optimization method because of its advantages. It could be implemented easily, requires minimal parameters, is more efficient in computation, and is flexible. Furthermore, results from before and after optimization were compared. Based on the research experiments, 77% accuracy was achieved by the unoptimized SVM algorithm, whereas 82% accuracy was achieved by the PSO-optimized SVM.

Kata Kunci : Deteksi Hoax, Support Vector Machine, Particle Swarm Optimization / Hoax Detection, Support Vector Machine, Particle Swarm Optimization