Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JOURNAL SCIENTIFIC OF MANDALIKA (JSM) Unnes Journal of Mathematics
Dito, Aliffia Putri
Unknown Affiliation
Humanities Languange, Linguistic, Communication & Media Mathematics Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
JARINGAN MATRIKS (MATRIX NETWORK) DAN KEISTIMEWAANNYA Dito, Aliffia Putri; Veronica, Rahayu Budhiati; Mashuri, Mashuri
Unnes Journal of Mathematics Vol 9 No 1 (2020)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v9i1.30555

Abstract

Penelitian ini membahas mengenai pembentukan jaringan matriks, karakteristik-karakteristik yang dimiliki jaringan matriks dan penerapan jaringan matriks dalam genetika. Tujuan penelitian ini adalah untuk mengetahui (1) bagaimana pembentukan jaringan matriks, (2) karakteristik apa saja yang dimiliki jaringan matriks. Hasil dari penelitian ini adalah untuk mendeskripsikan peluang mikrostatik pada saat transisi gen.
Latent Semantic Analysis (LSA) Dengan Metode Support Vector Machine (SVM) dan Algoritma Naïve Bayes Pada Identifikasi Berita Palsu Dito, Aliffia Putri; Pulung Nurtantio Andono; M. Arief Soeleman
Journal Scientific of Mandalika (JSM) e-ISSN 2745-5955 | p-ISSN 2809-0543 Vol. 6 No. 10 (2025)
Publisher : Institut Penelitian dan Pengembangan Mandalika Indonesia (IP2MI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36312/10.36312/vol6iss10pp3837-3850

Abstract

Berita palsu atau disebut hoax banyak beredar di masyarakat. Penyebaran berita palsu dapat mudah menyerap masyarakat terlebih melalui media sosial. informasi yang tersebar melalui platform media sosial sangat mudah terserap bagi masyarakat. Para pengguna media sosial biasanya menjadi pembuat konten dengan jumlah penyebaran informasi yang cukup luas, dan memungkinkan adanya misinformasi yang tidak dapat diabaikan. Kredibilitas dari sumber informasi tersebut juga sangat penting untuk menghindari resiko mengkonsumsi berita palsu. Menurut data statistik yang diterbitkan oleh Stanford University academics, sebanyak 72,3 persen berita palsu berasal dari outlet berita sosial dan platform media sosial online. Identifikasi dalam berita palsu tersebut semakin meningkat penggunaannya namun pemeriksaan fakta dalam banyak kasus cukup sulit, memakan waktu dan memerlukan biaya yang besar. Penelitian ini dilakukan dengan menggunakan latent semantic analysis dengan metode support vector machine dan algoritma naïve bayes dalam identifikasi berita palsu. Hasil pengujian ini menghasilkan nilai akurasi sebesar 82,28% dengan metode support vector machine dan 81,39% pada algoritma naïve bayes.
Co-Authors M. Arief Soeleman Mashuri Mashuri Pulung Nurtantio Andono Veronica, Rahayu Budhiati