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 |