SISTEM PREDIKSI BERITA PALSU TENTANG VIRUS COVID-19 MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM)

Abstract

Seiring dengan perkembangan teknologi informasi, media berita juga turut berkembang menyajikan informasi dalam media online. Namun, sangat disayangkan pada penyebarannya masih banyak ditemukan berita hoax atau berita palsu. Berita palsu yang paling mudah beredar adalah berita palsu tentang informasi isu-isu terkini contohnya tentang Covid-19 dan bencana alam. Agar terhindar dari berita hoax yang beredar, salah satu caranya yaitu dengan lebih teliti membaca judul berita pada situs yang terpercaya seperti Liputan6, Kompas.com, dan CNN. Dalam penelitian ini penulis mengambil topik berita hoax tentang vaksinasi, penyebaran virus Corona dan isu-isu yang memang tidak benar tentang pandemi Covid-19, tidak hanya itu untuk memprediksinya penulis juga membutuhkan berita
fakta untuk bisa menjadi perbandingan antara berita palsu dengan fakta dari kasus Covid-19. Karena itu penelitian ini akan membuat model klasifikasi berita palsu virus Covid-19 dengan menerapkan algoritma Support Vector Machine (SVM). Hasil penelitian
menyatakan bahwa model klasifikasi berita palsu Covid-19 dengan Algoritma Support Vector Machine (SVM) memiliki nilai akurasi 78%. Setelah uji coba model SVM terhadap dataset Covid-19, deploy model dilakukan dan diharapkan untuk masa yang akan datang masyarakat dapat mengakses situs pengecekan berita palsu. Selain mendapatkan prediksi judul berita yang dikategorikan dengan "Fake" dan "True", web juga dapat menampilkan persentase probabilitas dari prediksi yang dilakukan oleh model. Dengan adanya sistem ini, diharapkan dapat memprediksi judul berita tentang virus Covid-19 seakurat mungkin, baik berita palsu maupun berita yang
berisikan fakta.