KOMPARASI ALGORITMA SVM, LSTM DAN INDOBERT PADA SISTEM DETEKSI JUDUL BERITA CLICKBAIT DAN NON CLICKBAIT DI MEDIA ONLINE

Ichsana, Ami Daelami (2024) KOMPARASI ALGORITMA SVM, LSTM DAN INDOBERT PADA SISTEM DETEKSI JUDUL BERITA CLICKBAIT DAN NON CLICKBAIT DI MEDIA ONLINE. Diploma thesis, Politeknik Harapan Bersama.

	Text (Cover) COVER.pdf Download (998kB)
	Text (BAB I) BAB I.pdf Download (255kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (686kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (330kB)
	Text (Daftar Pustaka) DAFTAR PUSTAKA.pdf Download (333kB)
	Text (Lampiran) LAMPIRAN.pdf Download (5MB)

Abstract

Dampak teknologi informasi telah menyentuh berbagai sektor seperti pendidikan, kesehatan, politik, ekonomi, dan komunikasi. Meski penyebaran informasi menjadi lebih mudah, tidak semua informasi di internet dapat dipercaya. Salah satu tantangan utama adalah adanya berita clickbait, yang menggunakan judul sensasional untuk menarik perhatian tanpa menyajikan informasi substansial, berpotensi menyesatkan pembaca. Untuk mengatasi masalah ini, penelitian ini membandingkan efektivitas tiga algoritma machine learning dalam mendeteksi berita clickbait: Support Vector Machine (SVM), Long Short-Term Memory (LSTM), dan IndoBERT. Dataset yang digunakan terdiri dari 1865 baris data dengan teks berita dan label clickbait/non-clickbait. Evaluasi dilakukan menggunakan bahasa pemrograman Python di Google Colab. Hasilnya menunjukkan bahwa IndoBERT mencapai akurasi tertinggi sebesar 80%, dibandingkan dengan SVM yang memperoleh 78% dan LSTM dengan 77%. Metode Confusion Matrix mengonfirmasi bahwa IndoBERT memberikan performa terbaik dalam klasifikasi berita clickbait. Kesimpulannya, IndoBERT adalah algoritma paling efektif untuk mendeteksi berita clickbait dalam dataset ini dan dipilih sebagai metode utama untuk implementasi sistem deteksi clickbait. Kata Kunci: Clickbait, SVM, LSTM, IndoBERT, Deteksi Berita, Mechine Learning

Item Type:	Thesis (Diploma)
Subjects:	T Technology T Technology > T Technical Information
Divisions:	Teknik > Diploma IV Teknik Informatika
Depositing User:	Ami Daelami Ichsana
Date Deposited:	11 Sep 2024 05:29
Last Modified:	11 Sep 2024 05:29
URI:	http://eprints.poltektegal.ac.id/id/eprint/4236

Actions (login required)

View Item