Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
Sulistyo, Ary Okta
Unknown Affiliation
Computer Science & IT Education

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PEMANFAATAN STANCE DETECTION UNTUK MITIGASI DAMPAK ECHO CHAMBER EFFECT DALAM MEDIA SOSIAL X BERBASIS WEB Sulistyo, Ary Okta; Pamungkas, Endang Wahyu
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 4 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i4.6866

Abstract

Di Indonesia, platform media sosial X atau yang sebelumnya dikenal dengan Twitter termasuk salah satu media sosial yang banyak digunakan yang membahas berbagai hal termasuknya tentang Pemilihan Umum (PEMILU) Presiden Indonesia 2024. Dalam platform ini terdapat halaman bernama “Untuk Anda” yang berisi konten yang sering dibaca oleh pengguna. Dengan kata lain, pengguna akan mendapatkan informasi sesuai dengan ketertarikannya saja yang memungkinkan terjadinya echo chamber effect. Echo chamber effect dapat mempengaruhi sudut pandang seseorang karena terbatasnya paparan yang lebih luas terhadap suatu informasi. Untuk mencegah hal tersebut terjadi, penelitian ini mengusulkan sistem berupa aplikasi yang dapat menyediakan informasi terhadap suatu berita dalam media sosial X sehingga pengguna dapat mendapatkan informasi terhadap suatu berita tanpa memengaruhi tipe berita yang muncul pada halaman “Untuk Anda”. Stance detection digunakan untuk mendeteksi stance dari komentar apakah mendukung atau menentang topik. Ini digunakan agar sistem dapat menyajikan informasi dalam bentuk statistik stance dari tweet komentar pada berita tertentu. Penelitian ini melakukan eksperimen terhadap beberapa algoritma machine learning untuk stance detection, yaitu Multinomial Naive Bayes (MNB), Support Vector Machine (SVM), Logistic Regression (LR), Random Forest (RF), dan K-Nearest Neighbor (KNN). Model terbaik untuk klasifikasi stance yang dihasilkan adalah model SVM yang memiliki akurasi 77,3%. Model tersebut digunakan pada aplikasi berbasis web untuk mengklasifikasi stance komentar. Aplikasi diuji dengan metode System Usability Scale (SUS) dan menghasilkan skor sebesar 75,4. Dengan adanya aplikasi ini, pengguna dapat terhindar dari echo chamber effect pada media sosial X.
Co-Authors Endang Wahyu Pamungkas