Studi Komparasi Metode Svm, Logistic Regresion Dan Random Forest Clasifier Untuk Mengklasifikasi Fake News di Twitter

Anosa Putri Ruise (Universitas Amikom)
Ahmad Sanusi Mashuri (Universitas Amikom Yogyakarta)
Muhammad Sulaiman (Universitas Amikom Yogyakarta)
Fazrur Rahman (Universitas Amikom Yogyakarta)

J I M P - Jurnal Informatika Merdeka Pasuruan
Vol 7, No 2 (2022): Agustus

Media sosial adalah salah satu platform utama untuk mendapatkan berita dan informasi. Internet adalah media yang paling cerdas dan mudah didapat, juga secara signifikan membantu dalam mengembangkan kehidupan kita. Namun, itu juga memberikan kesulitan bagi tersebar luas berita palsu. Alasan di balik fakenews adalah menciptakan sensasi untuk mendapatkan perhatian audiens dan membangun dampak negatif pada saat itu. Deteksi berita palsu untuk memurnikan lingkungan Internet. Maka perlu dilakukan pengklasifikasian fakenews menggunakan teknik klasifikasi dengan data mining dan menggunakan 3 metode yaitu SVM, Logistic Regresion dan Random Forest Clasifier dengan mendapatkan tingkat akurasi SVM = 98%, Logistic Regresion = 97% dan Random Forest Clasifier = 97%.