Identifikasi Hoax pada Media Sosial dengan Pendekatan Machine Learning

Utama, Putu Kussa Laksana

doi:10.25078/wd.v13i1.436

Cited by 6 publications

(7 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Permasalahan tersebut dapat diatasi dengan mengkuantifikasi data. Data yang telah terkuantifikasi selanjutnya dipisahkan, dikelompokan, dengan pendekatan Machine learning (Laksana Utama, 2018). Machine learning merupakan metode berbasis komputer dimana komputer diberikan kemampuan untuk belajar dengan bantuan data tanpa harus terprogram terlebih dahulu (Laksana Utama, 2018).…”

Section: Pendahuluanunclassified

“…Data yang telah terkuantifikasi selanjutnya dipisahkan, dikelompokan, dengan pendekatan Machine learning (Laksana Utama, 2018). Machine learning merupakan metode berbasis komputer dimana komputer diberikan kemampuan untuk belajar dengan bantuan data tanpa harus terprogram terlebih dahulu (Laksana Utama, 2018). Machine learning telah berkembang, andal, dan alat pendukung di bidang medis dalam beberapa tahun terakhir (Akbar & Rahmaddeni, 2022).…”

Section: Pendahuluanunclassified

See 1 more Smart Citation

Analisa Performa Algoritma Machine Learning Dalam Prediksi Penyakit Liver

Nurkholifah¹,

Jasmarizal²,

Umar³

et al. 2023

jimik

View full text Add to dashboard Cite

Currently in the world of medicine, determining liver inflammation is something that is not easy to do. But there are medical records that have kept the patient's symptoms and diagnosis of liver inflammation. The weaknesses of the manual method encourage researchers to develop a method that does not depend 100% on humans. The developed method utilizes a computer as a tool to analyze data. This kind of thing is certainly very useful for health experts. They can use existing medical records as an aid in making decisions about the diagnosis of a patient's disease. In this study, we analyzed the performance of machine learning algorithms by comparing the support vector machine, naïve Bayes and k-nearest neighbor algorithms. This study aims to determine the performance of which algorithm has the highest accuracy in liver disease data. From the research results using splinting data 80:20 it can be concluded that the Naïve Bayes algorithm model has better performance than other algorithm models when using the SMOTE technique with an accuracy value of 65.51%, whereas when not using the SMOTE technique the Support Vector Machine algorithm has the highest performance. better than other algorithm models with an accuracy value on the data not 72.41%.

show abstract

Section: Pendahuluanunclassified

Analisa Performa Algoritma Machine Learning Dalam Prediksi Penyakit Liver

Nurkholifah¹,

Jasmarizal²,

Umar³

et al. 2023

jimik

View full text Add to dashboard Cite

show abstract

“…Machine learning ialah metode yang berbasis komputer dimana komputer diberikan kemampuan untuk belajar dengan bantuan data tanpa harus terprogram terlebih dahulu [4]. C. Supervised Learning Supervised learning adalah suatu metode untuk mengklasifikasikan berbagai objek dalam data ke beberapa kelas.…”

Section: B Machine Learningunclassified

Klasifikasi Analisis Pendukung Keputusan Penerima Beasiswa Genius Strata 1 (S1) Badan Amil Zakat Nasional (Baznas) Kabupaten Bojonegoro Menggunakan Metode Naïve Bayes

Mahendra

2023

Al-Mantiq

View full text Add to dashboard Cite

Saat ini, proses seleksi penerima beasiswa strata 1 (S1) jenius di Badan Amil Zakat Nasional (BAZNAS) Kabupaten Bojonegoro membutuhkan waktu lama untuk menentukan hasil penerima beasiswa. Dalam penentuan penerima beasiswa menggunakan metode Naïve Bayes sebagai pedoman pemilihan penerima beasiswa dengan beberapa kriteria yaitu berdomisili dan berkuliah di kabupaten Bojonegoro, dari keluarga kurang mampu rata-rata IPK mahasiswa 3,0, dan sekolah mahasiswa aktif baik dalam perkuliahan maupun organisasi. . Metode ini akan lebih efektif dalam perhitungan yang akan diinput oleh operator dan diketahui oleh WAKA 1 BAZNAS. Aplikasi ini dibuat berbasis online dengan menggunakan pemrograman PHP dan MySQL sebagai penyimpanannya. Penelitian ini bertujuan untuk membantu proses seleksi dengan menggunakan aplikasi yang dibuat untuk membantu operator dalam penginputan data dan mendapatkan hasil dari seleksi calon penerima beasiswa, setelah itu langsung mendapatkan status lulus atau tidak lulus penerima beasiswa sesuai dengan ketentuan yang berlaku. data yang telah diinput dan dari nilai bobot yang diberikan. diperoleh calon penerima beasiswa. Oleh karena itu, diperlukan suatu sistem pendukung keputusan untuk membantu dalam menghitung hasil akhir dari penerima beasiswa tersebut. Hasil uji kelayakan perangkat lunak sistem pendukung beasiswa jenius penerima beasiswa strata 1 (S1) di Badan Amil Zakat Nasional (BAZNAS) Kabupaten Bojonegoro sebanyak 21 responden menunjukkan Uji Aspek Komunikasi 98,75 %, pada Untuk Aspek Uji Graphical User Interface - Aksesibilitas sebesar 96,6%, pada Aspek Uji Graphical User Interface - Responsiveness sebesar 97,9%, Aspek Uji Graphical User Interface - Efisiensi sebesar 96,25 %, dan untuk Aspek Uji Gruaphical User Interface – Keterpahaman 97,25%

show abstract

“…Twitter is one of the social media with a highspeed rate of information dissemination [6]. According to statista.com's portal data and statistics, in 2021, the number of Twitter users in Indonesia was around 16.32 million [7]. The use of social media has two interrelated impacts, positive and negative, on the users.…”

Section: Introductionmentioning

confidence: 99%

“…The spread of fake news through social media, such as Twitter, has a direct negative impact on users and parties harmed by this fake news. Fake news can also be used as a weapon to bring down and harm certain parties based on issues spread on social media that are irrelevant and intentional [7].…”

Section: Introductionmentioning

confidence: 99%

Detecting Fake News on Social Media Combined with the CNN Methods

Fauzy

Setiawan

2023

J. RESTI (Rekayasa Sist. Teknol. Inf.)

View full text Add to dashboard Cite

Social media platforms are created to facilitate human social life as technology develops. Twitter is one of the most popular and frequently used social media for exchanging information. This social media platform disseminates real-time and complete information. Unfortunately, there are not a few tweets that contain false information or are often referred to as hoaxes. Those hoaxes that existed on Twitter are very troubling for society. Fake news or hoaxes can cause misunderstandings in receiving information. Therefore, this research aimed at developing a system that can detect hoaxes on Twitter to anticipate their spread, which can be detrimental to related parties. The system being developed uses a deep learning approach with the Convolutional Neural Network (CNN), Term Frequency-Inverse Document Frequency (TF-IDF), Bidirectional Encoder Representations from Transformers (BERT), and Global Vectors (GloVe). The results of this study display the fake news detected by the system using the CNN method with baseline, BERT, and GloVe. The data have been adjusted to the keywords related to fake news and spread on online media, such as Hoax or Not from Detik.com, CekFakta from Kompas.com, etc. The results show the highest accuracy of 98.57% using CNN with a split ratio of 90:10, baseline unigram-bigram, BERT, and Top10 corpus tweet+IndoNews with an increase of 4.7%.

show abstract

Identifikasi Hoax pada Media Sosial dengan Pendekatan Machine Learning

Cited by 6 publications

References 0 publications

Analisa Performa Algoritma Machine Learning Dalam Prediksi Penyakit Liver

Analisa Performa Algoritma Machine Learning Dalam Prediksi Penyakit Liver

Klasifikasi Analisis Pendukung Keputusan Penerima Beasiswa Genius Strata 1 (S1) Badan Amil Zakat Nasional (Baznas) Kabupaten Bojonegoro Menggunakan Metode Naïve Bayes

Detecting Fake News on Social Media Combined with the CNN Methods

Contact Info

Product

Resources

About