Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JOURNAL OF APPLIED INFORMATICS AND COMPUTING
Rijal Abdulhakim
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Penerapan Algoritma Support Vector Machine (SVM) untuk Klasifikasi Berita Hoax Covid-19 Isnin Apriyatin Ropikoh; Rijal Abdulhakim; Ultach Enri; Nina Sulistiyowati
Journal of Applied Informatics and Computing Vol 5 No 1 (2021): July 2021
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v5i1.3167

Abstract

Hoax merupakan informasi yang dibuat oleh orang tidak bertanggung jawab dengan tujuan membuat orang lain mempercayai sesuatu yang tidak benar. Berita hoax yang paling mudah beredar adalah hoax tentang kesehatan. Di Indonesia sendiri semenjak diberitakan masuknya virus Covid-19, berita hoax tentang hal itu terus meningkat berdasarkan data yang dirilis oleh Kominfo periode Januari-Agustus 2020. Agar terhindar dari berita hoax ialah dengan lebih teliti membaca judul berita pada situs yang terpercaya seperti Kompas. Karena itu penelitian ini akan mengembangkan dan menganalisis model klasifikasi berita hoax Covid-19 dengan menerapkan algoritma Support Vector Machine (SVM) dengan metodologi Knowledge Discovery in Databases (KDD). Studi kasus penelitian ini dibagi dalam 2 kategori yaitu berita hoax yang didapat dari situs Trunbackhoax & Hoax buster sedangkan berita bukan hoax diambil dari situs berita Kompas. Hasil penelitian menyatakan bahwa Algoritma Support Vector Machine (SVM) dengan kernel linear memiliki hasil prediksi yang bagus pada skenario 3 (80:20) karena model sanggup dalam mengklasifikasikan berita hoax dan bukan hoax Covid-19. Akurasi yang didapat pada skenario 3 juga memiliki nilai akurasi tertinggi sebesar 97,06%. Sedangkan pada kernel RBF memiliki akurasi terendah pada skenario 4 (90:10) yaitu 90.46% dan model kurang bagus dalam mengklasifikasikan berita hoax maupun bukan hoax Covid-19.
Optimasi Support Vector Machine Berbasis Particle Swarm Optimization Untuk Mendeteksi Hate Speech Pilkada Karawang Wahyuningrum Ayu; Rijal Abdulhakim; Yuyun Umaidah; Jajam Haerul Jaman
Journal of Applied Informatics and Computing Vol 5 No 2 (2021): December 2021
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v5i2.3473

Abstract

The rise of hate speech on social media can harm various parties, including the candidate for regional head of Karawang Regency in 2020, but because of the large number of comments, the sanctions given to violators are not evenly distributed. To make it easier for Bawaslu to give sanctions to violators and to provide a deterrent effect to the Karawang community so that hate speech does not occur again. Therefore, this study was conducted by classifying positive and negative comments. The methodology used is Knowledge Discovery in Database (KDD) by dividing the data into 4 scenarios. The results obtained state that the Support Vector Machine (SVM) Algorithm with scenario "2" on a linear kernel gets the highest accuracy value of "72.66%". Then the results of the 4 scenarios were optimized by Particle Swarm Optimization which got the highest accuracy value, namely the linear and polynomial kernels in the 4th scenario with 90:10 data sharing of "78.00%". Other evaluation values ​​also experienced the same increase, starting from precision, recall, and f1-score. It can be concluded that the Support Vector Machine algorithm optimized with Particle Swarm Optimization can increase the accuracy value.
Co-Authors Isnin Apriyatin Ropikoh Jaman, Jajam Haerul Nina Sulistiyowati Ultach Enri Wahyuningrum Ayu Yuyun Umaidah