IDENTIFIKASI JUDUL BERITA CLICKBAIT BERBAHASA INDONESIA MENGGUNAKAN SUPPORT VECTOR MACHINE DENGAN PARTICLE SWARM OPTIMIZATION

Trisakti, Awang Suria (2021) IDENTIFIKASI JUDUL BERITA CLICKBAIT BERBAHASA INDONESIA MENGGUNAKAN SUPPORT VECTOR MACHINE DENGAN PARTICLE SWARM OPTIMIZATION. Diploma thesis, UPN "Veteran" Yogyakarta.

	Text SKRIPSI FULL_Awang Suria Trisakti_123160046.pdf Restricted to Repository staff only Download (4MB)
Preview	Text ABSTRAK.pdf Download (168kB) | Preview
Preview	Text COVER.pdf Download (196kB) | Preview
Preview	Text DAFTAR ISI.pdf Download (103kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (223kB) | Preview
Preview	Text HALAMAN PENGESAHAN PEMBIMBING.pdf Download (153kB) | Preview

Abstract

ABSTRAK
Clickbait adalah judul berita yang bertujuan untuk memancing pembaca untuk
mengklik tautan. Clickbait digunakan secara berlebihan dengan menuliskan judul berita
yang tidak sesuai dengan isi artikel. Support Vector Machine (SVM) merupakan sebuah
algoritma dari machine learning yang bekerja dengan menemukan hyperplane pemisah
antar dua atau lebih klas. Namun SVM hanya dapat bekerja secara optimal apabila
memiliki nilai parameter yang optimal. Untuk mengatasi masalah pemilihan parameter
pada SVM dibutuhkan sebuah algoritma optimasi. Particle Swarm Optimization (PSO)
merupakan salah satu algoritma optimasi yang dapat menemukan parameter optimal untuk
algoritma SVM. PSO merupakan salah satu algoritma pencarian yang didasarkan pada
perilaku sekumpulan burung yang sedang mencari makanan.
Penelitian akan dilakukan untuk mengidentifikasi judul berita berbahasa Indonesia
termasuk kedalam kategori clickbait atau bukan clickbait. Penelitian ini menggunakan data
yang diperoleh dari portal berita online Indonesia acak yang diambil menggunakan teknik
web scraping melalui google search engine, dimana data tersebut diberi label clickbait dan
bukan clickbait. Kemudian data akan dilakukan preprocessing, pembobotan setiap kata
atau fitur menggunakan term frequency-inverse document frequency (TF-IDF) dan
selanjutnya dilakukan proses training dengan menggunakan algoritma SVM. PSO
digunakan untuk mengoptimalkan parameter pada SVM, sehingga SVM dapat bekerja
secara optimal. Pengujian yang dilakukan menggunakan data sebanyak 3797 dengan
perbandingan data latih 80% dan data uji 20% dengan K-fold cross validation.
Hasil pengujian menunjukkan bahwa PSO memberi pengaruh yang signifikan terhadap
tingkat akurasi, presisi serta recall dari algoritma SVM, dimana SVM tanpa optimasi
mendapat rata-rata nilai akurasi sebesar 56,43%, rata-rata presisi100% dan rata-rata recall
sebesar 5,05% sedangkan SVM dengan optimasi PSO mendapatkan nilai rata-rata akurasi
sebesar 86,25%, rata-rata presisi sebesar 93,56% dan rata-rata recall sebesar 75,53%.
Kata kunci : Clickbait, SVM, PSO, Optimasi

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Clickbait, SVM, PSO, Optimasi
Subjek:	Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions:	x. Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	15 Feb 2022 05:15
Last Modified:	15 Feb 2022 05:15
URI:	http://eprints.upnyk.ac.id/id/eprint/28381

Actions (login required)

View Item