Klasifikasi Berita Hoaks Menggunakan Metode Random Forest Berbasis TF-IDF
Bilah Samping Artikel
Isi Artikel Utama
Abstrak
Perkembangan teknologi informasi menyebabkan penyebaran berita melalui media digital meningkat pesat. Namun, kondisi ini juga memicu maraknya penyebaran berita hoaks yang dapat menyesatkan masyarakat. Oleh karena itu, diperlukan metode otomatis untuk mengklasifikasikan berita hoaks dan berita valid. Penelitian ini bertujuan untuk menerapkan metode machine learning Random Forest dalam mengklasifikasikan berita berbahasa Indonesia menjadi kategori hoaks dan valid. Dataset yang digunakan berjumlah 1000 data berita yang telah diberi label. Tahapan penelitian meliputi preprocessing teks menggunakan stopword removal dan stemming Sastrawi, ekstraksi fitur menggunakan TF-IDF, serta pelatihan model Random Forest. Hasil pengujian menunjukkan bahwa model Random Forest mampu mencapai tingkat akurasi sebesar 86,00%, dengan nilai precision 85,56%, recall 83,70%, dan F1-score 84,62%. Hasil tersebut menunjukkan bahwa metode Random Forest memiliki kinerja yang baik dan cukup efektif dalam mendeteksi berita hoaks.
Rincian Artikel
Referensi
R. Wati, “Penerapan Algoritma Naive Bayes dan Particle Swarm Optimization untuk Klasifikasi Berita Hoax pada Media Sosial,” JITK (Jurnal Ilmu Pengetahuan dan Komputer), vol. 5, no. 2, pp. 9–14, Feb. 2020.
H. Yuliani, “Literasi Digital dalam Menangkal Berita Hoax di Media Sosial (Studi pada Mahasiswa FISIP Komunikasi Universitas Muhammadiyah Bengkulu),” Jurnal Humas dan Media Kontemporer (MADIA), vol. 2, no. 1, Jan. 2021.
M. N. Raza, “Sistem Deteksi Berita Hoax Menggunakan Algoritma Naïve Bayes dan Random Forest pada Machine Learning,” Pondasi: Journal of Applied Science Engineering, vol. 3, no. 1, pp. 43–57, 2024.
M. Z. Haq, C. S. Octiva, A. Ayuliana, U. W. Nuryanto, and D. Suryadi, “Algoritma Naïve Bayes untuk Mengidentifikasi Hoaks di Media Sosial,” Jurnal Minfo Polgan, vol. 13, no. 1, pp. 1079–1084, Jul. 2024.
R. Astuti and A. T. Sipahutar, “Perbandingan klasifikasi berita hoax politik pada media sosial X menggunakan algoritma Naïve Bayes dan Random Forest,” Jurnal Ilmu Komputer, Sistem Informasi dan Teknologi Informasi (Innotech), vol. 2, no. 1, pp. 61–67, Jan. 2025.
D. N. Aliya and N. Yuliana, “Persepsi Publik di Indonesia Mengenai Berita Hoaks di Media Sosial,” Sindoro: Cendikia Pendidikan, vol. 5, no. 1, pp. 1–10, 2024.
N. R. Anggraini, M. R. Juwita, M. S. Ulum, M. D. Prananta, M. F. Hidayat, and N. A. Purnama, “Hoaxes in the Digital Era: An Analysis of Social Media Users’ Perceptions and Attitudes,” Jurnal Lemhannas RI (JLRI), vol. 12, no. 4, pp. 567–580, Dec. 2024.
M. Ula, “Analisa dan deteksi konten hoax pada media berita Indonesia menggunakan machine learning,” Jurnal Teknologi Terapan & Sains, vol. 1, no. 2, pp. 1–8, Dec. 2020.
A. K. Dewi, N. F. Rahmadani, R. Syahputri, L. R. Nasution, and M. Furqan, “Deteksi Berita Hoax pada Platform X Menggunakan Pendekatan Text Mining dan Algoritma Machine Learning,” DSI: Jurnal Data Science Indonesia, vol. 5, no. 1, pp. 33–46, Jul. 2025.
A. M. Wahid, Turino, K. A. Nugroho, T. Safitri, Darmono, and F. S. Utomo, “Optimasi Logistic Regression dan Random Forest untuk Deteksi Berita Hoax Berbasis TF-IDF,” Jurnal Pendidikan dan Teknologi Indonesia (JPTI), vol. 4, no. 8, pp. 381–392, Aug. 2024.
H. A. Santoso, E. H. Rachmawanto, A. Nugraha, A. A. Nugroho, D. R. I. M. Setiadi, and R. S. Basuki, “Hoax Classification and Sentiment Analysis of Indonesian News Using Naive Bayes Optimization,” TELKOMNIKA Telecommunication, Computing, Electronics and Control, vol. 18, no. 2, pp. 799–806, Apr. 2020.
N. Agustina, Adrian, and M. Hermawati, “Implementasi Algoritma Naïve Bayes Classifier untuk Mendeteksi Berita Palsu pada Sosial Media,” Faktor Exacta, vol. 14, no. 4, pp. 206–213, Dec. 2021.
R. R. Sani, Y. A. Pratiwi, S. Winarno, E. D. Udayanti, and F. A. Zami, “Analisis Perbandingan Algoritma Naive Bayes Classifier dan Support Vector Machine untuk Klasifikasi Hoax pada Berita Online Indonesia,” Jurnal Masyarakat Informatika, vol. 13, no. 2, pp. 85–96, 2022.
R. Q. Putra and R. A. Saputra, “Classification of Hoax News Using the Naïve Bayes Method,” International Journal of Software Engineering and Computer Science (IJSECS), vol. 4, no. 1, pp. 40–48, Apr. 2024.
S. Karima and A. B. Mutiara, “Comparison of Classification Algorithms for Predicting Indonesian Fake News Using Balanced and Imbalanced Datasets,” Faktor Exacta, vol. 16, no. 1, pp. 57–69, Mar. 2023.