RANCANG BANGUN APLIKASI FAKE NEWS DETECTOR MENGGUNAKAN METODE LONG SHORT TERM MEMORY

Bisma Wahyu Anaafie, - (2019) RANCANG BANGUN APLIKASI FAKE NEWS DETECTOR MENGGUNAKAN METODE LONG SHORT TERM MEMORY. S1 thesis, Universitas Pendidikan Indonesia.

[img] Text
S_KOM_1505066_Title.pdf

Download (393kB)
[img] Text
S_KOM_1505066_Chapter1.pdf

Download (60kB)
[img] Text
S_KOM_1505066_Chapter2.pdf
Restricted to Staf Perpustakaan

Download (499kB)
[img] Text
S_KOM_1505066_Chapter3.pdf

Download (182kB)
[img] Text
S_KOM_1505066_Chapter4.pdf
Restricted to Staf Perpustakaan

Download (410kB)
[img] Text
S_KOM_1505066_Chapter5.pdf

Download (111kB)
[img] Text
S_KOM_1505066_Appendix.pdf
Restricted to Staf Perpustakaan

Download (92kB)
Official URL: http://repository.upi.edu

Abstract

News atau berita merupakan sebuah uraian tentang fakta dan atau pendapat yang mengandung nilai berita dan yang sudah disajikan melalui media masa secara periodik. Di Indonesia berita menjadi suatu hal yang sangat penting mengetahui beragam informasi terkini terutama seputar informasi dalam negeri karena wilayah Indonesia yang sangat luas. Diantara banyaknya informasi yang beredar di tengah masyarakat Indonesia, juga beredar informasi atau berita palsu yang biasa disebut fake news. Fake news menyebabkan keresahan dan miss information serta cenderung menyesatkan bagi para pembacanya. Seiring dengan semakin banyaknya berita palsu, banyak peneliti yang membuat sistem pintar atau artificial intelligence untuk mendeteksi dan menyaring berita palsu yang beredar dengan menggunakan algoritma seperti naïve bayes, support vector machine, bahkan deep learning. Pada penelitian ini, algoritma yang digunakan merupakan algoritman Long Short-Term Memory (LSTM) yang dikategorikan sebagai deep learning. Dataset diambil dari portal berita Indonesia sebagai sumber berita asli dan situs penampungan berita palsu sebagai sumber berita palsu, metode case folding untuk membuat standar teks menjadi lower case secara keseluruhan, word embedding untuk merepresentasikan data teks menjadi vektor, dalam penelitian ini digunakan tiga metode representasi teks, yaitu (1)CountVectorizer, (2)TF-IDF, (3)Word2Vec. Pelatihan data menggunakan metode Long Short-Term Memory (LSTM) dengan library Keras. Hasilnya, sistem dapat memprediksi berita dengan akurasi 52.22%. ------------ News is a description of facts and / or opinions that contain news value and which have been presented through mass media periodically. In Indonesia the news becomes very important to know a variety of current information, especially about domestic information because of Indonesia's vast territory. Among the many information circulating in the middle of Indonesian society, also circulated false information or news which is commonly called fake news. Fake news causes anxiety and miss information and tends to be misleading for its readers. Along with the increasing number of fake news, many researchers are creating intelligent systems or artificial intelligence to detect and filter out fake news that is circulating by using algorithms such as naïve bayes, support vector machines, even deep learning. In this study, the algorithm used is the Long Short-Term Memory (LSTM) algorithm which is categorized as deep learning. The dataset is taken from the Indonesian news portal as an original news source and a fake news collection site as a fake news source, a case folding method to make the text standard a lower case as a whole, word embedding to represent text data into vectors, in this study three teks representation methods are used, namely (1) CountVectorizer, (2) TF-IDF, (3) Word2Vec. Training data using the Long Short-Term Memory (LSTM) method with the Hard library. The result, the system can predict news with an accuracy of 52.22%.

Item Type: Tugas Akhir,Skripsi,Tesis,Disertasi (S1)
Additional Information: No. Panggil : S KOM BIS r-2019 ; Pembimbing : I. Yudi Biwisona, II. Yaya Wihardi ; NIM : 1505066
Uncontrolled Keywords: Fake News Detector, Long Short-Term Memory (LSTM), informasi, berita palsu, fake news
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
T Technology > T Technology (General)
Divisions: Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer
Depositing User: Bisma Wahyu Anaafie
Date Deposited: 22 Jan 2020 03:16
Last Modified: 22 Jan 2020 03:16
URI: http://repository.upi.edu/id/eprint/44211

Actions (login required)

View Item View Item