KLASIFIKASI BERITA MENGENAI VAKSIN BOOSTER COVID-19 DI SOSIAL MEDIA TWITTER MENGGUNAKAN NAÏVE BAYES CLASSIFIER

Abstrak

Perkembangan pesat teknologi internet telah mengakibatkan keterkaitannya yang erat dengan media sosial. Media massa saat ini sering menggunakan platform media sosial sebagai sarana untuk menyebarkan berita, termasuk berita palsu. Hoax adalah informasi yang sebenarnya tidak benar, namun disajikan seolah-olah benar. Hoax dibedakan dari rumor, ilmu semu, berita palsu, dan candaan. Tujuan dari penelitian ini adalah mengembangkan model machine learning dengan menggunakan metode Naive Bayes Classifier untuk mengklasifikasikan berita di platform Twitter. Model ini dibangun menggunakan dataset berita yang diperoleh dari laman resmi kominfo. Setiap berita telah dikategorikan sebagai hoax atau fakta. Totalnya, terdapat 2472 berita dalam dataset ini, dengan 1415 di antaranya merupakan berita fakta, dan 1057 berita lainnya merupakan berita hoax. Hasil evaluasi model menunjukkan akurasi sebesar 71%, presisi sebesar 51%, recall sebesar 51%, dan f1-score sebesar 51%. Setelah itu, model yang telah dikembangkan digunakan untuk mengklasifikasikan 97 berita Twitter yang belum diberi label mengenai vaksin booster. Hasilnya menunjukkan bahwa dari 97 berita tersebut, terdapat 62 berita yang mengandung fakta dan 35 berita yang merupakan hoaks.