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.

[img] Text
SKRIPSI FULL_Awang Suria Trisakti_123160046.pdf
Restricted to Repository staff only

Download (4MB)
[img]
Preview
Text
ABSTRAK.pdf

Download (168kB) | Preview
[img]
Preview
Text
COVER.pdf

Download (196kB) | Preview
[img]
Preview
Text
DAFTAR ISI.pdf

Download (103kB) | Preview
[img]
Preview
Text
DAFTAR PUSTAKA.pdf

Download (223kB) | Preview
[img]
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
Subjects: Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions: 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 View Item