Muhamad Rizal, Rifaldi (2026) PENGEMBANGAN SISTEM IDENTIFIKASI BERITA HOAX BAHASA INDONESIA MENGGUNAKAN MULTINOMIAL NAIVE BAYES. S1 thesis, Fakultas Teknik Universitas Sultan Ageng Tirtayasa.
![[img]](https://eprints.untirta.ac.id/style/images/fileicons/text.png) |
Text (Fulltext)
Muhamad Rizal Rifaldi_3337210044_Fulltext.pdf Download (5MB) |
|
Text (Bab 1)
Muhamad Rizal Rifaldi_3337210044_01.pdf Download (772kB) |
|
Text (Bab 2)
Muhamad Rizal Rifaldi_3337210044_02.pdf Download (328kB) |
|
Text (Bab 3)
Muhamad Rizal Rifaldi_3337210044_03.pdf Download (444kB) |
|
Text (Bab 4)
Muhamad Rizal Rifaldi_3337210044_04.pdf Download (4MB) |
|
Text (Bab 5)
Muhamad Rizal Rifaldi_3337210044_05.pdf Download (155kB) |
|
Text (Daftar Pustaka)
Muhamad Rizal Rifaldi_3337210044_Ref.pdf Download (155kB) |
|
Text (Lampiran)
Muhamad Rizal Rifaldi_3337210044_Lamp.pdf Download (111kB) |
|
Text (Dokumen hasil cek plagiasi)
Muhamad Rizal Rifaldi_3337210044_CP.pdf Download (1MB) |
Abstract
Penelitian ini bertujuan untuk membangun sistem deteksi berita hoax dengan menerapkan algoritma Multinomial Naive Bayes (MNB) menggunakan metode pembobotan Term Frequency–Inverse Document Frequency (TF-IDF). Penelitian menggunakan dataset berita daring dan media sosial yang melalui proses prapemrosesan teks meliputi cleaning, lowercasing, stopword removal, dan stemming. Model MNB dilatih secara terpisah untuk masing-masing domain guna menyesuaikan karakteristik bahasa yang berbeda, kemudian dievaluasi menggunakan metrik akurasi dan 10-Fold Cross Validation. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan berita hoax dan real dengan performa yang stabil, mencapai akurasi sebesar 93,07% pada berita daring dan 90,60% pada media sosial. Pengujian variasi panjang teks menunjukkan bahwa penggunaan full text menghasilkan tingkat keyakinan prediksi yang lebih konsisten dibandingkan headline. Sistem diimplementasikan dalam bentuk aplikasi web berbasis Streamlit. Berdasarkan pengujian usability menggunakan metode System Usability Scale (SUS), sistem memperoleh skor rata-rata 80,62 yang termasuk dalam kategori Excellent, sehingga layak digunakan sebagai alat bantu verifikasi awal terhadap informasi yang berpotensi hoax. Kata Kunci: Multinomial Naive Bayes, TF-IDF, Deteksi Hoax, Machine Learning, Berita Daring
| Item Type: | Thesis (S1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Uncontrolled Keywords: | Multinomial Naive Bayes, TF-IDF, Deteksi Hoax, Machine Learning, Berita Daring | |||||||||
| Subjects: | T Technology > T Technology (General) | |||||||||
| Divisions: | 03-Fakultas Teknik > 55201-Jurusan Teknik Informatika | |||||||||
| Depositing User: | Muhamad Rizal Rifaldi | |||||||||
| Date Deposited: | 03 Feb 2026 04:48 | |||||||||
| Last Modified: | 03 Feb 2026 04:48 | |||||||||
| URI: | http://eprints.untirta.ac.id/id/eprint/57919 |
Actions (login required)
 |
View Item |