Penerapan Naïve Bayes Classifier dengan Algoritma Nazief dan Adriani Untuk Deteksi Hoaks

Abstract

Hoaks adalah informasi palsu yang disebarkan secara sengaja sebagai kebenaran. Hoaks dapat menimbulkan dampak negatif bagi kehidupan masyarakat, seperti kegelisahan, ketidaknyamanan, amarah, perpecahan, kebencian, dan hasutan. Media sosial adalah salah satu platform utama yang digunakan untuk menyebarkan hoaks. Menurut survei MASTEL tahun 2019, media sosial memiliki persentase penyebaran hoaks tertinggi yaitu 87,50%, diikuti oleh aplikasi chatting, website, media cetak, dan lainnya. Oleh karena itu, diperlukan suatu sistem yang dapat mendeteksi hoaks secara otomatis dan akurat. Penelitian ini bertujuan untuk meningkatkan akurasi pendeteksian hoaks menggunakan Naive Bayes Classifier dengan penyempurnaan stemming. Stemming adalah teknik yang menghilangkan imbuhan kata untuk mengurangi variasi kata yang memiliki makna sama, meningkatkan efisiensi dan efektivitas sistem klasifikasi teks. Data set penelitian berisi artikel berita yang diklasifikasikan sebagai hoaks atau bukan oleh website pengecekan fakta, sebagai sumber terpercaya untuk menentukan validitas berita. Hasil penelitian menunjukkan sistem mencapai akurasi 84%, presisi 88%, recall 83%, dan F1-Score 85%. Hasil yang tinggi menandakan sistem dapat dengan baik membedakan hoaks dari berita valid. Dengan tingkat akurasi yang tinggi, sistem ini membantu masyarakat memverifikasi informasi secara online dan mencegah penyebaran hoaks yang merugikan.