Klasifikasi Hoax Terhadap Berita Cryptocurrency pada Sosial Media Twitter dengan Merode Modified K-Nearest Neighbor (MK-NN)
Penyebaran berita hoax dapat berdampak negatif terhadap citra dan kredibilitas masyarakat. Salah satu platform media sosial yang sering digunakan untuk menyebarkan informasi adalah Twitter. Dalam konteks ekonomi, terutama di bidang cryptocurrency, hoax juga sering ditemui. Oleh karena itu, penelitian ini bertujuan untuk menggunakan algoritma Modified K-Nearest Neighbor (MK-NN) dalam mengklasifikasikan berita hoax terkait cryptocurrency di Twitter. Pengumpulan data dilakukan dengan melakukan crawling data dari sosial media Twitter. Data kemudian diberi label dan divalidasi oleh ahli dalam bidang hoax. Tahap preprocessing dilakukan untuk mempersiapkan dataset. TF-IDF dan cosine similarity digunakan untuk menghitung bobot kata pada data latih. Klasifikasi dilakukan menggunakan algoritma Modified K-Nearest Neighbor (MK-NN), dengan memperhatikan nilai cosine similarity pada data latih. Validitas data dihitung, serta cosine similarity data uji terhadap data latih dan nilai weight voting’. Pengujian dilakukan pada 112 data dengan variasi nilai k, dan ditemukan bahwa k = 3 memberikan hasil terbaik. Dari 22 data uji, 12 data fakta terklasifikasi dengan benar dan 5 data hoax terklasifikasi dengan benar. Namun, terdapat 5 data yang hasil prediksinya tidak tepat. Hasil evaluasi menunjukkan bahwa pada k = 3, nilai precision adalah 1, recall adalah 0,70, f-measure adalah 0,83, dan akurasi adalah 77%. Hasil penelitian menunjukkan bahwa algoritma Modified K-Nearest Neighbor (MK-NN) dapat digunakan untuk mengklasifikasikan teks berita hoax.
URI
https://repo.itera.ac.id/depan/submission/SB2308060046
Keyword