Algoritma Naïve Bayes untuk Mengidentifikasi Hoaks di Media Sosial

Abstract

Hoaks yang menyebar di dunia maya terus bertambah, oleh sebab itu penelitian ini akan membuat dan memeriksa fungsionalitas dari algoritma Naïve Bayes dalam mendeteksi serta mengenali hoaks pada jejaring sosial. Algoritma yang diambil adalah Naïve Bayes karena dapat memproses data teks yang large-scale dengan kompleksitas tersendiri dan pengimplementasiannya yang mudah. Dataset yang digunakan untuk penelitian ini terdiri dari postingan media sosial yang dikategorikan sebagai hoaks atau bukan hoaks. Pra-pemrosesan data mencakup tokenisasi, ekstraksi fitur, dan pembersihan teks menggunakan teknik TF-IDF (Term Frequency-Inverse Document Frequency). Selanjutnya, algoritma Naïve Bayes dilatih dan diuji menggunakan cross-validation untuk memastikan bahwa model itu akurat dan dapat digunakan di mana saja. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes dapat mengidentifikasi hoaks dengan tingkat kesalahan yang sangat rendah. Penelitian ini menunjukkan bahwa algoritma Naive Bayes efektif dalam mendeteksi konten hoaks di media sosial, seperti yang ditunjukkan oleh evaluasi model menggunakan metrik seperti ketepatan, recall, dan skor F1. Penelitian ini juga menemukan bahwa algoritma ini dapat diintegrasikan dalam sistem pemantauan media sosial untuk meningkatkan kualitas informasi yang beredar.

GS Cited Analysis