<![CDATA[Hoaks di bidang kesehatan adalah hal yang berbahaya terutama pada suatu pandemi Covid-19 di mana keadaan masih belum pasti. Hoaks terkait vaksin Covid-19 banyak tersebar di media sosial salah satunya di media sosial Twitter. Pembaca umumnya dapat melakukan pendeteksian terhadap suatu pesan Twitter yang termasuk hoaks secara manual seperti dengan membaca berita di media massa resmi. Namun dengan kecepatan dan banyaknya informasi yang tersebar di Twitter membuat cara manual sulit dilakukan. Karena itu, deteksi informasi hoaks secara otomatis dapat menjadi solusi untuk kesulitan tersebut. Penelitian ini mendeteksi informasi hoaks vaksin Covid-19 menggunakan metode jaringan syaraf tiruan backpropagation dengan mengklasifikasi teks pesan Twitter ke dalam dua kelas yaitu hoaks dan bukan hoaks. Tujuan dari penelitian ini yaitu untuk mengetahui model arsitektur jaringan syaraf tiruan backpropagation dalam mendeteksi hoaks vaksin Covid-19 di media sosial Twitter dan tingkat akurasi yang didapatkan dari model tersebut menggunakan 7,130 data tweet yang dikumpulkan dengan data scraping dengan bahasa pemrograman Python dan dilabeli secara manual kemudian diterapkan preprocessing data dan pembobotan TF-IDF sebelum teks tweet diproses ke dalam model. Hasil penelitian ini menunjukkan bahwa model dengan performa paling baik dimiliki oleh metode backpropagation model pembagian 20% data latih dan 80% data uji yang menggunakan dua hidden layer (3, 5) yaitu mencapai tingkat akurasi sebesar 77.12% dengan tingkat error sebesar 22.88%, di sisi lain nilai AUC dari kurva ROC yang dihasilkan sebesar 0.7414 yaitu masuk pada kategori klasifikasi cukup. Kata Kunci: Hoaks, Twitter, Vaksin Covid-19, Jaringan Syaraf Tiruan, Backpropagation Hoaxes in the health field are dangerous, especially in a Covid-19 pandemic where the situation is still uncertain. Hoaxes related to the Covid-19 vaccine are widely spread on social media, one of which is Twitter. Readers can generally detect a Twitter message that is a hoax manually, such as by reading news in the official mass media. However, the speed and amount of information spread on Twitter makes manual methods difficult to do. Therefore, automatic detection of hoax information can be a solution to this difficulty. This research detects hoax information about the Covid-19 vaccine using the backpropagation artificial neural network method by classifying Twitter message text into two classes, namely hoaxes and non-hoaxes. This study aims to determine the backpropagation artificial neural network architecture model in detecting Covid-19 vaccine hoaxes on Twitter social media and the level of accuracy obtained from the model used 7,130 tweet data collected by data scraping using Python programming language and manually labeled then applied data preprocessing and TF-IDF weighting before the tweet text is processed into the model. The results of this study show that the model with the best performance is owned by a backpropagation model method of a division of 20% training data and 80% test data using two hidden layer (3, 5), which achieves an accuracy rate of 77.12% with an error rate of 22.88%, on the other hand, the AUC value of the resulting ROC curve is 0.74 that is included in the fair classification category. Keywords: Hoax, Twitter, Covid Vaccine, Artificial Neural Network, Backpropagation]]>
Copyrights © 2024
