Analisis Sentimen Berita Hoax Menggunakan Naive Bayes

Meyti Eka Apriyani; Rasyed Renaldi; Toga Aldila Cinderatama

doi:10.33795/jip.v11i1.4623

Authors

Meyti Eka Apriyani Politeknik Negeri Malang
Rasyed Renaldi Politeknik Negeri Malang
Toga Aldila Cinderatama Politeknik Negeri Malang

DOI:

https://doi.org/10.33795/jip.v11i1.4623

Keywords:

Naive Bayes, analisis sentimen, berita hoax, User Acceptence Test

Abstract

Saat ini WhatsApp merupakan aplikasi yang banyak digunakan oleh masyarakat Indonesia sebagai sarana komunikasi jarak jauh dengan pengguna lain. WhatsApp juga memiliki fitur yang dapat digunakan untuk kepentingan perlindungan dalam mengatasi tindak kejahatan digital yaitu penyebaran berita hoax presiden Joko Widodo 3 periode. Untuk mengatasi kejahatan yang ada maka diperlukan sebuah analisis sentimen agar dapat menyelesaikan tindak kejahatan tersebut. Penelitian ini menggunakan algoritma Naïve Bayes untuk mengklasifikasikan percakapan yang ditemukan dan User Acceptence Test (UAT) untuk mengetahui tanggapan responden tentang kemudahan aplikasi desktop python terhadap penggunaan aplikasi tersebut. Hasil yang didapatkan adalah penggunaan aplikasi desktop dengan bahasa pemrograman Pyhton kurang maksimal dalam mendapatkan kalimat bukti percakapan berdasar file gambar yang ditentukan, dari 80 kalimat percakapan tersebut dapat dihasilkan berjumlah 75 kalimat percakapan. Kemudian, pada proses klasifikasi menggunakan Naïve Bayes dengan skenario 50:50 didapatkan akurasi 88%, precision 84%, dan recall 91,3%, sedangkan hasil dari pengujian UAT memiliki persentase 50% sangat setuju, 40% setuju, dan 7,1% tidak setuju. Dapat disimpulkan aplikasi desktop python berfungsi, sesuai dan layak untuk digunakan, akan tetapi untuk mendapatkan hasil yang maksimal perlu adanya pengembangan lebih lanjut dan disimpulkan juga aplikasi desktop python mudah dan layak digunakan, tetapi untuk mendapatkan hasil yang maksimal perlu adanya pengembangan lebih lanjut.

Downloads

Download data is not yet available.

References

Anggraini, N., Masruroh, S. U., & Tiaraningtias, H. (2020). Analisa Forensik Whatsapp Messanger Pada Smartphone Android. Jurnal Ilmiah FIFO, 12(1), 83. https://doi.org/10.22441/fifo.2020.v12i1.008

Ariyanti, D., Iswardani, K., & Rafidah, S. (2020). Klasifikasi Penanganan Keluhan Masyarakat Kota Probolinggo Menggunakan Algoritma Naive Bayes. J-SAKTI (Jurnal Sains …, 4(September), 424–433.

Asosiasi Penyelenggara Jasa Internet Indonesia. (2022). Survei Penetrasi & Profil Pelaku Pengguna Internet Indonesia. Diakses dari https://survei.myapjii.id/.

Habib Kusuma, I., & Cahyono, N. (2023). Analisis Sentimen Masyarakat Terhadap Penggunaan E-Commerce Menggunakan Algoritma K-Nearest Neighbor. 8(3).

Hafiz Yunas, A., & Fikry, M. (2018). Klasifikasi Tweet E-Commerce dengan Menggunakan Metode Support Vector Machine. Jurnal CoreIT, 4(2).

Kautsar, A., & Syafrullah, M. (2022). Implementasi Algoritme Multinomial Naïve Bayes Pada Analisis Sentimen Terhadap Isu Presiden 3 Periode. Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI) Jakarta-Indonesia, September 2022, 675–682.

Kurniawan, I., & Susanto, A. (2019). Implementasi Metode K-Means dan Naïve Bayes Classifier untuk Analisis Sentimen Pemilihan Presiden (Pilpres) 2019. Eksplora Informatika, 9(1), 1–10. https://doi.org/10.30864/eksplora.v9i1.237

Merinda Lestandy, Abdurrahim Abdurrahim, & Lailis Syafa’ah. (2021). Analisis Sentimen Tweet Vaksin COVID-19 Menggunakan Recurrent Neural Network dan Naïve Bayes. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(4), 802–808. https://doi.org/10.29207/resti.v5i4.3308

Normawati, D., & Prayogi, S. A. (2021). Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter. J-SAKTI (Jurnal Sains Komputer Dan Informatika), 5(2), 697–711.

Nugraha, A. Y. A., & Abdulloh, F. F. (2022). Optimasi Naive Bayes dan Cosine Similarity Menggunakan Particle Swarm Optimization Pada Klasifikasi Hoax Berbahasa Indonesia. Jurnal Media Informatika Budidarma, 6(3), 1444. https://doi.org/10.30865/mib.v6i3.4170

Nugroho, H. E., & Nugroho, A. (2021). Analisis Dan Perancangan E-Commerce Pada Toko Sepatu Dope13Store Menggunakan Framework Laravel. Information System Journal, 4(1), 38–44. https://doi.org/10.24076/infosjournal.2021v4i1.565

Priyatna, B., Lia Hananto, A., Nova, M., Studi Sistem Informasi, P., & Buana Perjuangan Karawang, U. (2020). Application of UAT (User Acceptance Test) Evaluation Model in Minggon E-Meeting Software Development. Systematics, 2(3), 110–117.

Randhika, M. N., Young, J. C., Suryadibrata, A., & Mandala, H. (2021). Implementasi Algoritma Complement dan Multinomial Naïve Bayes Classifier Pada Klasifikasi Kategori Berita Media Online. Ultimatics : Jurnal Teknik Informatika, 13(1), 19–25. https://doi.org/10.31937/ti.v13i1.1921

Riskiyadi, M. (2020). INVESTIGASI FORENSIK TERHADAP BUKTI DIGITAL DALAM MENGUNGKAP CYBERCRIME (Vol. 3, Issue 2).

Roufia, A. (2018). Text Mining Dengan Metode Naïve Bayes Classifier Untuk Mengklasifikan Berita Berdasarkan Konten. 8.

Suraya, S., & Sholeh, M. (2021). Designing and Implementing a Database for Thesis Data Management by Using the Python Flask Framework. International Journal of Engineering, Science and Information Technology, 2(1), 9–14. https://doi.org/10.52088/ijesty.v2i1.197

Wahyuni, W. S., Fithri, B. S., & ... (2021). Sosialisasi Sanksi Penyebaran Berita Bohong (Hoax) berdasarkan Undang-undang Informasi dan Transaksi Elektronik. Jurnal ABDIMAS …, 2(1), 42–45.