PENERAPAN METODE SUPPORT VECTOR MACHINE DALAM MENGKLASIFIKASIKAN BERITA POLITIK : FAKTA VS HOAKS

Nikmal Maulana
Maya Rini Handayani
Wenty Dwi Yuniarti
Khothibul Umam


DOI: https://doi.org/10.29100/jipi.v10i3.8077

Abstract


Berita hoaks di ranah politik menjadi tantangan serius dalam era digi-tal saat ini, karena dapat memengaruhi opini publik dan kestabilan so-sial. Penelitian ini bertujuan untuk membangun sistem klasifikasi otomatis yang mampu membedakan antara berita politik fakta dan hoaks. Metode yang digunakan adalah Support Vector Machine (SVM) dengan pendekatan Linear Support Vector Classification (LinearSVC), yang dikenal memiliki performa tinggi dalam menangani data teks berdimensi besar. Dataset yang digunakan terdiri dari 1.267 berita poli-tik berbahasa Inggris yang telah dilabeli sebagai “REAL” dan “FAKE”. Proses awal melibatkan pembersihan teks, tokenisasi, penghapusan stopword, dan transformasi data teks menjadi vektor numerik menggunakan TF-IDF. Model SVM kemudian dilatih dan diuji menggunakan pembagian data latih dan uji secara terstruktur. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 94,24%. Selain itu, nilai precision, recall, dan f1-score masing-masing sebesar 0,94 untuk kedua kelas, yaitu berita fakta dan hoaks. Temuan ini menunjukkan bahwa metode SVM sangat efektif dalam mengklasifi-kasikan berita politik, serta berpotensi diterapkan dalam sistem deteksi hoaks berbasis teks secara otomatis. Model dan vectorizer disimpan untuk mendukung penggunaan ulang dalam aplikasi nyata. Penelitian ini memberikan kontribusi praktis dalam memitigasi penyebaran in-formasi palsu melalui teknologi kecerdasan buatan.

Keywords


deteksi otomatis; hoaks politik; klasifikasi berita; LinearSVC; Support Vector Machine; TF-IDF.

Full Text:

PDF

Article Metrics :

References


Agustina, N., Adrian, & Hermawati, M. (2021). Implementasi Algoritma Naïve Bayes Classifier untuk Mendeteksi Berita Palsu pada Sosial Media. Faktor Exacta, 14(4), 206–213.

Adrian, R., Musaddam, Ikhsan, M., & Pahlevi, M. R. B. (2023). Detection of Hoax News Using TF-IDF Vectorizer and Multinomial Naïve Bayes and Passive Aggressive. Media Applied Science and Engineering, 1(2), 54–61.

Alpaz, F., Gustiana, M. H., Rosmala, D., & Fitrianti, N. F. (2022). Akurasi dan Presisi Pengklasifikasian Abstrak Paper Informatika Menggunakan TF-IDF dan Multiclass Support Vector Machine (SVM). Prosiding Diseminasi FTI Genap 2021/2022, 1–12.

Febriyanty, N. E., Hariyadi, M. A., & Crysdian, C. (2023). Hoax Detection News Using Naïve Bayes and Support Vector Machine Algorithm. Inter-national Journal of Advances in Data and Information Systems, 4(2), 191–200.

Fernandes, R. P., & Shita, R. T. (2024). Penerapan Metode SVM dan Random Forest untuk Mendeteksi Berita Hoaks pada PT. Global Arrow. Jurnal TICOM: Technology of Information and Communication, 12(3), 102–107.

Manthovani, R. (2023). DAMPAK BERITA HOAX TERHADAP KEAMANAN NEGARA DALAM PERSPEKTIF CYBERLAW BELA NEGARA. Jurnal Hukum dan Kesejahteraan Universitas Al Azhar Indonesia, 8(2).

Prabowo, R. D., Widaningrum, I., & Karaman, J. (2025). Sistem Deteksi Berita Hoax Pemilu 2024 Indonesia Menggunakan Algoritma KNN Dan SVM. JIKO (JURNAL INFORMATIKA DAN KOMPUTER), 9(1), 93–111.

Putra, F., & Patra, H. (2023). Analisis Hoax pada Pemilu: Tinjauan dari Perspektif Pendidikan Politik. Naradidik: Journal of Education & Pedagogy, 2(1), 95–102.

Ramadhan, M. F. A., Setiawan, I. R., & Asriyanik. (2024). KLASIFIKASI HOAX DAN FAKTA MENGGUNAKAN ALGORITMA SHALLOW NEURAL NETWORK PADA BERITA POLITIK PEMILIHAN PRESIDEN INDONESIA 2024. JATI (Jurnal Mahasiswa Teknik Informatika), 8(4).

Saputra, V. A., & Arnomo, S. A. (2024). Penerapan Metode Machine Learning dalam Mengidentifikasi Berita Hoaks. CBIS JOURNAL, 12(1), 112–119.

Gasparetto, A., Marcuzzo, M., Zangari, A., & Albarelli, A. (2022). A Survey on Text Classification Algorithms: From Text to Predictions. Information, 13(2), 83.

Imran, B., Karim, M. N., & Ningsih, N. I. (2024). KLASIFIKASI BERITA HOAX TERKAIT PEMILIHAN UMUM PRESIDEN REPUBLIK INDONESIA TAHUN 2024 MENGGUNAKAN NAÏVE BAYES DAN SVM. DINAMIKA REKAYASA, 20(1), 1–9.

Zhou, H. (2022). Research of Text Classification Based on TF-IDF and CNN-LSTM. Journal of Physics: Conference Series, 2171, 012021.

Katira, D. (2020). Text -Classification of 20Newsgroups Data Set using Linear SVC Model. International Journal of Advanced Research in Arts, Sci-ence, Engineering & Management (IJARASEM), 7(5).

Solikhah, M. (2025). THE EFFECT OF MACHINE LEARNING ALGORITHMS ON HOAX DETECTION ON SOCIAL MEDIA: IMPLICATIONS FOR NATIONAL INFORMATION SECURITY. Journal of Artificial Intelligence Research, 1(1), 11–20.

Elisabeth, G., Bilah, R. S., Ardini, S. N., Agustina, N., & Rismayadi, D. A. (2023). KLASIFIKASI BERITA PALSU KENAIKAN HARGA BAHAN BAKAR MINYAK (BBM) MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM). NARATIF: Jurnal Ilmiah Na-sional Riset Aplikasi dan Teknik Informatika, 5(2).

Fitriaini Nur Anisa, D., Iqbal, M., & Mukhlash, I. (2022). Deteksi Berita Online Hoax Covid-19 Di Indonesia Menggunakan Metode Hybrid Long Short-Term Memory dan Support Vector Machine. JURNAL SAINS DAN SENI ITS, 11(3).