RAHMAWATI, Dina (2025) Penerapan Metode Support Vector Machine untuk Klasifikasi Hoaks dan Valid pada Berita Kesehatan di Indonesia Tahun 2022-2024. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Dina Rahmawati-K1B021038-Skripsi-2025.pdf Download (182kB)
	PDF (Legalitas) LEGALITAS-Dina Rahmawati-K1B021038-Skripsi-2025.pdf Restricted to Repository staff only Download (1MB)
	PDF (Abstrak) ABSTRAK-Dina Rahmawati-K1B021038-Skripsi-2025.pdf Download (666kB)
	PDF (BabI) BAB-I-Dina Rahmawati-K1B021038-Skripsi-2025.pdf Restricted to Repository staff only until 26 May 2026. Download (1MB)
	PDF (BabII) BAB-II-Dina Rahmawati-K1B021038-Skripsi-2025.pdf Restricted to Repository staff only until 26 May 2026. Download (6MB)
	PDF (BabIII) BAB-III-Dina Rahmawati-K1B021038-Skripsi-2025.pdf Restricted to Repository staff only until 26 May 2026. Download (387kB)
	PDF (BabIV) BAB-IV-Dina Rahmawati-K1B021038-Skripsi-2025.pdf Restricted to Repository staff only Download (5MB)
	PDF (BabV) BAB-V-Dina Rahmawati-K1B021038-Skripsi-2025.pdf Download (356kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Dina Rahmawati-K1B021038-Skripsi-2025.pdf Download (1MB)
	PDF (Lampiran) LAMPIRAN-Dina Rahmawati-K1B021038-Skripsi-2025.pdf Restricted to Repository staff only Download (6MB)

Abstract

Penyebaran berita hoaks yang berkaitan dengan sektor kesehatan dapat memberikan dampak negatif terhadap masyarakat karena dapat memengaruhi kesehatan fisik dan mental. Oleh karena itu, perlu penanganan terhadap berita hoaks agar tidak menimbulkan kerugian besar bagi masyarakat. Pada penelitian ini, model klasifikasi machine learning dengan metode Support Vector Machine (SVM) digunakan sebagai solusi untuk mendeteksi konten berisi berita hoaks dengan memanfaatkan proses text mining. Klasifikasi hoaks dan valid pada berita kesehatan dengan metode SVM dapat dilakukan dengan text preprocessing, pembobotan kata menjadi nilai dalam vektor dengan menggunakan Term Frequency – Inverse Document Frequency (TF-IDF), dan pemilihan jenis kernel serta parameter cost yang relevan. Dataset penelitian adalah berita kesehatan tahun 2022–2024 yang mencakup berita hoaks dan valid dengan jumlah 500 data. Evaluasi kinerja model klasifikasi dilakukan terhadap empat jenis fungsi kernel SVM, yaitu kernel linear, kernel polynomial, kernel Radian Basis Function (RBF), dan kernel sigmoid. Hasil evaluasi menunjukkan bahwa kernel polynomial memiliki akurasi sebesar 0,64, kernel linear dan kernel RBF memiliki akurasi sebesar 0,90, sedangkan kernel sigmoid memiliki akurasi sebesar 0,92. Dengan demikian, kernel sigmoid adalah fungsi kernel terbaik karena menghasilkan akurasi tertinggi. Selain itu, model yang dihasilkan dari kernel sigmoid memiliki nilai evaluasi precision, recall, dan f1-score seimbang antara kelas hoaks dan valid, artinya model stabil dan tidak condong ke salah satu kelas tertentu.

Actions (login required)

View Item