DETEKSI BUZZER PADA MEDIA SOSIAL TWITTER MENGGUNAKAN PENDEKATAN SOCIAL NETWORK ANALYSIS

Andum Pangestu, - (2024) DETEKSI BUZZER PADA MEDIA SOSIAL TWITTER MENGGUNAKAN PENDEKATAN SOCIAL NETWORK ANALYSIS. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_KOM_2003210_Title.pdf Download (279kB)
	Text S_KOM_2003210_Chapter1.pdf Download (137kB)
	Text S_KOM_2003210_Chapter2.pdf Restricted to Staf Perpustakaan Download (548kB)
	Text S_KOM_2003210_Chapter3.pdf Download (77kB)
	Text S_KOM_2003210_Chapter4.pdf Restricted to Staf Perpustakaan Download (6MB)
	Text S_KOM_2003210_Chapter5.pdf Download (50kB)
	Text S_KOM_2003210_Appendix.pdf Restricted to Staf Perpustakaan Download (581kB)

Abstract

Saat ini media sosial di Indonesia sudah semakin banyak digunakan dengan jumlah pengguna mencapai 167 juta pengguna per Januari 2023. Dari jumlah tersebut, 80,1% menggunakan media sosial untuk memperoleh informasi. Twitter merupakan salah satu media sosial yang banyak digunakan di Indonesia dengan jumlah pengguna mencapai 18,45 juta pada tahun 2022. Twitter adalah media sosial yang dapat menyebarkan segala jenis informasi dengan masif dalam waktu yang singkat, tidak terkecuali informasi palsu atau hoax. Hal tersebut dimanfaatkan oleh pihak-pihak yang tidak bertanggung jawab, seperti buzzer yang merupakan pihak yang paling sering menyebarkan informasi palsu atau hoax di media sosial. Penelitian ini bertujuan untuk mengatasi perkembangan buzzer dengan pendekatan social network analysis. Pendekatan social network analysis digunakan sebagai fitur dalam model machine learning yang dapat mengklasifikasikan akun yang berperan sebagai buzzer pada media sosial Twitter. Algoritma XGBoost memberikan hasil f1-score yang lebih tinggi dalam mendeteksi kelas mayoritas (buzzer) dengan f1-score 0.95 dan kelas minoritas (non-buzzer) dengan f1-score 0.68. Algoritma Naive Bayes menghasilkan nilai precision yang lebih tinggi dalam mendeteksi kelas buzzer. Fitur modularity_class_satu_arah dan outdegree_satu_arah merupakan kedua fitur paling penting pada model deteksi yang telah dibangun. Currently, social media in Indonesia is increasingly used, with the number of users reaching 167 million as of January 2023. Of this number, 80.1% use social media to obtain information. Twitter is one of the most widely used social media platforms in Indonesia, with 18.45 million users in 2022. Twitter can disseminate all kinds of information massively in a short time, including false information or hoaxes. This is exploited by irresponsible parties, such as buzzers, who are the most frequent spreaders of false information or hoaxes on social media. This research aims to address the development of buzzers using a social network analysis approach. The social network analysis approach is used as a feature in a machine learning model that can classify accounts that act as buzzers on Twitter. The XGBoost algorithm provides higher F1-scores in detecting the majority class (buzzers) with an F1-score of 0.95 and the minority class (non-buzzers) with an F1-score of 0.68. The Naive Bayes algorithm yields higher precision in detecting the buzzer class. The features "modularity_class_satu_arah" and "outdegree_satu_arah" are the two most important features in the detection model that has been developed.

Item Type:	Thesis (S1)
Additional Information:	ID SINTA Dosen Pembimbing: Yudi Wibisono: 260167 Yaya Wihardi: 5994413
Uncontrolled Keywords:	DETEKSI BUZZER PADA MEDIA SOSIAL TWITTER MENGGUNAKAN PENDEKATAN SOCIAL NETWORK ANALYSIS Buzzer Detection on Twitter Social Media Using a Social Network Analysis Approach
Subjects:	H Social Sciences > HE Transportation and Communications L Education > L Education (General) Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer
Depositing User:	Andum Pangestu
Date Deposited:	07 Sep 2024 12:25
Last Modified:	07 Sep 2024 12:25
URI:	http://repository.upi.edu/id/eprint/122920

Actions (login required)

View Item