Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JTIK (Jurnal Teknik Informatika Kaputama)
Dheo Alpian Nanda Krisna
Universitas Mercu Buana
Computer Science & IT

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

Found 2 Documents
Search

 1 
PERBANDINGAN ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR UNTUK KLASIFIKASI BERITA HOAX KESEHATAN DI MEDIA SOSIAL TWITTER Dheo Alpian Nanda Krisna; Umniy Salamah
JTIK (Jurnal Teknik Informatika Kaputama) Vol 6, No 2 (2022): Volume 6, Nomor 2 Juli 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Seiring dengan perkembangan teknologi yang sangat pesat, membuat persebaran informasi maupun berita menjadi tidak terbendung. Hanya dengan membuka sosial media yang ada di dalam perangkat pintar yang kita gunakan, maka segala macam berita bisa kita peroleh.Tentunya, tidak semua berita yang di dapat merupakan informasi yang bersifat fakta, melainkan berita bohong atau berita hoax. Penelitian ini berfokus pada berita bohong yang marak tersebar di dalam media sosial khususnya di media sosial Twitter. Nantinya penelitian ini bisa bermanfaat untuk mengklasifikasi berita hoax yang ada di media sosial Twitter. Dengan hadir nya berita bohong atau hoax memiliki dampak yang sangat luar biasa yang bisa berpotensi untuk membuat persepi ataupun pandangan masyarakat menjadi sesat dimana menganggap berita bohong atau hoax itu merupakan sebuah kebenaran. Bukan hanya itu, karena semakin mudahnya berita bohong atau hoax menyebar di sosial media, membuat kita kesulitan untuk menentukan mana berita yang benar dan mana yang berita bohong atau hoax. Contoh dampak negatif seperti itulah yang harus kita hindari. Di dalam penelitian ini menggunakan dua algoritma, yaitu algoritma K-Nearest Neighbor (KNN) dan Naïve Bayes (NB). Kedua algoritma tersebut digunakan untuk mengklasifikasi berita hoax yang ada di media sosial Twitter. Hasil yang diperoleh adalah algoritma K-Nearest Neighbor (KNN) memberikan nilai akurasi yang lebih baik dibanding dengan algoritma dan Naïve Bayes (NB). Dengan nilai akurasi sebesar 0.68 untuk algoritma K-Nearest Neighbor KNN dan 0.66 untuk algoritma dan Naïve Bayes (B).
PERBANDINGAN ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR UNTUK KLASIFIKASI BERITA HOAX KESEHATAN DI MEDIA SOSIAL TWITTER Dheo Alpian Nanda Krisna; Umniy Salamah
JTIK (Jurnal Teknik Informatika Kaputama) Vol. 6 No. 2 (2022): Volume 6, Nomor 2, Juli 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jtik.v6i2.295

Abstract

Seiring dengan perkembangan teknologi yang sangat pesat, membuat persebaran informasi maupun berita menjadi tidak terbendung. Hanya dengan membuka sosial media yang ada di dalam perangkat pintar yang kita gunakan, maka segala macam berita bisa kita peroleh. Tentunya, tidak semua berita yang di dapat merupakan informasi yang bersifat fakta, melainkan berita bohong atau berita hoax. Penelitian ini berfokus pada berita bohong yang marak tersebar di dalam media sosial khususnya di media sosial Twitter. Nantinya penelitian ini bisa bermanfaat untuk mengklasifikasi berita hoax yang ada di media sosial Twitter. Dengan hadir nya berita bohong atau hoax memiliki dampak yang sangat luar biasa yang bisa berpotensi untuk membuat persepi ataupun pandangan masyarakat menjadi sesat dimana menganggap berita bohong atau hoax itu merupakan sebuah kebenaran. Bukan hanya itu, karena semakin mudahnya berita bohong atau hoax menyebar di sosial media, membuat kita kesulitan untuk menentukan mana berita yang benar dan mana yang berita bohong atau hoax. Contoh dampak negatif seperti itulah yang harus kita hindari. Di dalam penelitian ini menggunakan dua algoritma, yaitu algoritma K-Nearest Neighbor (KNN) dan Naïve Bayes (NB). Kedua algoritma tersebut digunakan untuk mengklasifikasi berita hoax yang ada di media sosial Twitter. Hasil yang diperoleh adalah algoritma K-Nearest Neighbor (KNN) memberikan nilai akurasi yang lebih baik dibanding dengan algoritma dan Naïve Bayes (NB). Dengan nilai akurasi sebesar 0.68 untuk algoritma K-Nearest Neighbor KNN dan 0.66 untuk algoritma dan Naïve Bayes (B).
Co-Authors Salamah, Umniy