KINERJA ALGORITMA MULTINOMIAL NAÏVE BAYES (MNB), MULTIVARIATE BERNOULLI DAN ROCCHIO ALGORITHM DALAM KLASIFIKASI KONTEN BERITA HOAX BERBAHASA INDONESIA DENGAN JUPYTER NOTEBOOK

Ashari, Hamdhan
Arifianto, Deni Arifianto
Al Faruq, Habibatul Azizah

Jurnal Aplikasi Sistem Informasi dan Elektronika
Vol 2, No 2 (2020): JASIE

Berita hoax adalah informasi palsu atau bohong yang disebarkan untuk orang banyak namun diterima sebagai berita yang benar. Penyebaran informasi di era modern saat ini sangat cepat. Salah satu media penyebarannya adalah media sosial. Pada penelitian ini dilakukan klasifikasi dokumen terhadap konten berita hoax berbahasa Indonesia pada situs resmi turnbackhoax.id. Metode klasifikasi pada penelitian ini adalah membandingkan antara algoritma Multinomial Naive Bayes (MNB), Multivariate Bernoulli dan Rocchio. Hasil yang didapatkan dari penelitian ini adalah pada algoritma Multinomial Naive Bayes (MNB) didapatkan hasil akurasi sebesar 74%, presisi 83,33% dan recall 60%. Pada algoritma Multivariate Bernoulli mendapatkan hasil akurasi sebesar 70%, presisi 62,50% dan recall 100%. Pada algoritma Rocchio mendapatkan hasil akurasi sebesar 76%, presisi 88,24% dan recall 60%.