KLASIFIKASI BERITA PALSU KENAIKAN HARGA BAHAN BAKAR MINYAK (BBM) MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM)

  • Grace Elisabeth Sekolah Tinggi Teknologi Bandung
  • Rahma Salsa Bilah Mahasiswa
  • Siska Nova Ardini Sekolah Tinggi Teknologi Bandung
  • Nova Agustina Sekolah Tinggi Teknologi Bandung
  • Danny Aidil Rismayadi Sekolah Tinggi Teknologi Bandung
Keywords: Berita Palsu, BBM, Klasifikasi, Support Vector Machine, SVM

Abstract

Perkembangan teknologi informasi yang semakin canggih telah membawa dampak signifikan bagi kehidupan manusia. Salah satu aspek yang terpengaruh adalah akses informasi. Saat ini, manusia dapat dengan mudah mendapatkan segala informasi yang mereka butuhkan berkat berbagai kemudahan yang ditawarkan oleh teknologi informasi. Berita, sebagai salah satu bentuk informasi, kini dapat diakses dengan cepat melalui berbagai media online. Namun, bersamaan dengan kemudahan akses, muncul pula tantangan baru, yaitu penyebaran informasi yang tidak terverifikasi atau yang lebih dikenal dengan istilah berita palsu atau hoax. Kecepatan dalam menyajikan berita oleh media online dapat menjadi celah bagi pihak yang tidak bertanggung jawab untuk menyebarkan informasi yang tidak benar. Fenomena ini menjadi lebih nyata ketika membicarakan isu-isu penting, seperti kenaikan harga Bahan Bakar Minyak (BBM). Kenaikan harga BBM menjadi perbincangan utama di berbagai media berita dan platform sosial media di Indonesia. Namun, disayangkan bahwa sebagian besar informasi yang tersebar sulit untuk diverifikasi kebenarannya. Hal ini menciptakan ketidakpastian di kalangan masyarakat, yang kemudian dapat memicu reaksi negatif atau perasaan tidak nyaman. Dalam menghadapi masalah ini, penting untuk menciptakan mekanisme atau sistem yang dapat membantu mengklasifikasikan berita palsu terkait kenaikan harga BBM. Salah satu solusi yang diusulkan adalah penggunaan algoritma Support Vector Machine (SVM) dalam pembuatan sistem klasifikasi berita palsu. SVM dikenal sebagai salah satu algoritma machine learning yang efektif dalam mengklasifikasikan data, termasuk dalam hal ini, klasifikasi berita menjadi fakta dan tidak fakta. Penelitian ini mencakup beberapa tahapan. Pertama, pengumpulan data dilakukan untuk memastikan dataset yang digunakan representatif terhadap isu kenaikan harga BBM. Kemudian, dilakukan tahap preprocessing untuk membersihkan dan mempersiapkan data sebelum masuk ke dalam model SVM. Setelah itu, dataset dibagi menjadi dua bagian, yaitu data training dan data testing, agar model dapat diuji secara objektif. Langkah berikutnya adalah menjalankan model SVM dengan menggunakan data training untuk melatih model. Pengujian dilakukan menggunakan data testing untuk mengukur sejauh mana model dapat mengklasifikasikan berita dengan akurat. Hasil pengujian tersebut kemudian dapat digunakan untuk menyimpulkan efektivitas algoritma SVM dalam mengidentifikasi berita palsu atau fakta terkait kenaikan harga BBM. Hasil pengujian menunjukkan bahwa algoritma SVM mampu mengklasifikasikan berita dengan tingkat akurasi yang dapat diterima. Oleh karena itu, dapat disimpulkan bahwa penggunaan SVM dalam sistem klasifikasi berita palsu tentang kenaikan harga BBM dapat menjadi solusi yang efektif untuk mengatasi penyebaran informasi yang tidak benar. Proses selanjutnya setelah pengujian adalah deployment model, yaitu mengimplementasikan sistem klasifikasi ini dalam skala yang lebih luas. Dengan demikian, masyarakat dapat dengan lebih percaya diri mengakses informasi terkait kenaikan harga BBM, mengetahui bahwa berita yang mereka baca telah melalui proses verifikasi yang cermat.

Published
2023-12-19
Section
Naratif : Jurnal Nasional Riset, Aplikasi dan Teknik Informatika