Library Automation and Digital Archive
LONTAR
Fakultas Ilmu Komputer
Universitas Indonesia

Pencarian Sederhana

Find Similar Add to Favorite

Call Number T-1261 (Softcopy T-969) Mak T-65
Collection Type Tesis
Title Perbandingan penggunaan metode machine learning dan deep learning word embedding dan feature engineering pada pendeteksian berita palsu
Author Rini Jannati;
Publisher Depok: Fasilkom UI, 2020
Subject
Location FASILKOM-UI;
Lokasi : Perpustakaan Fakultas Ilmu Komputer
Nomor Panggil ID Koleksi Status
T-1261 (Softcopy T-969) Mak T-65 TERSEDIA
Tidak ada review pada koleksi ini: 48210
ABSTRAK Nama : Rini Jannati Pogram studi : Ilmu Komputer Judul : Perbandingan Penggunaan Metode Machine Learning dan Deep Learning, Word Embedding dan Feature Engineering Pada Pendeteksian Berita Palsu Pembimbing : Dra. Mirna Adriani, Ph.D. Pengaruh sosial media dan media online mendukung penyebaran berita secara cepat. Namun, penyebaran berita ini tidak digunakan secara baik sehingga terjadi penyebaran berita yang tidak sesuai dengan fakta yang dapat merugikan sebagian orang atau kelompok yang menjadi target. Oleh karena itu, dibutuhkan suatu cara untuk menghindari dan membuat solusi dari masalah penyebaran berita palsu. Berita palsu ini marak terjadi pada acara politik seperti pemilihan presiden. Oleh karena itu, penelitian ini menggunakan dataset LIAR yang berisikan informasi pemilihan presiden US pada tahun 2016. Penelitian ini berisikan teks pernyataan pendek dan data-data lainnya yang kemungkinan berpengaruh pada hasil yang ingin dilakukan, misalnya data justifikasi pernyataan. Dataset ini dilakukan klasifikasi dengan menggunakan machine learning dan deep learning. Metode machine learning yang digunakan adalah na´ve bayes, logistic regression dan adaboost sedangkan deep learning akan menggunakan Bidirectional Gated Recurrent Unit (Bi-GRU) dengan menambahkan attention mechanism. Penelitian pada deep learning membutuhkan word embedding sehingga pada word embedding diuji adalah Word2Vec, GloVe dan Fasttext. Pada penelitian ini juga dibangun word2vec dari data sendiri. Teks juga diproses untuk mendapatkan fitur yang digunakan sebagai input ke model seperti Part of Speech, Depedency Parsing dan Name Entity Recognition. Hasil eksperimen menunjukkan bahwa metode Bi-GRU dengan Attention Mechanism dengan menggunakan word embedding GloVe dan kombinasi pernyataan (ST), justifikasi pernyataan (JS), credit history (CH), Meta, POS dan DEP mendapatkan hasil terbaik sebesar 56.12% dengan nilai precision, recall dan f1-score sebesar 58.04%, 56.41%, dan 56.95%. Kata Kunci: berita palsu, machine learning, deep learning, word embedding