Klasifikasi Berita Palsu Pada Pemilihan Umum Presiden 2024 Menggunakan Metode K-Nearest Neighbor
DOI:
https://doi.org/10.29407/wvr3bn53Keywords:
Klasifikasi, Berita palsu, pemilu, K-Nearest NeighborAbstract
Pemilihan Umum Presiden 2024 menjadi salah satu momen krusial dalam demokrasi Indonesia. Namun, penyebaran berita palsu (hoaks) semakin marak dan berdampak negatif terhadap opini publik serta proses pemilu yang sehat. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi berita palsu menggunakan metode K-Nearest Neighbor (KNN). Data yang digunakan berasal dari situs Turn Back Hoax oleh MAFINDO (Masyarakat Anti Fitnah Indonesia) yang menyediakan sumber berita terverifikasi benar dan telah melabeli berita salah yang beredar di masyarakat.. Proses klasifikasi melibatkan tahap prapemrosesan data, seperti tokenisasi, penghapusan kata tidak bermakna (stopwords), dan stemming. Selanjutnya, fitur data diekstraksi menggunakan metode TF-IDF untuk meningkatkan kualitas klasifikasi. Berdasarkan pengujian yang dilakukan, model KNN berhasil mencapai akurasi sebesar 97%, yang menunjukkan efektivitas metode ini dalam mendeteksi berita palsu. Hasil penelitian ini diharapkan dapat berkontribusi dalam memberikan solusi praktis untuk memitigasi penyebaran hoaks, khususnya dalam konteks pemilu, serta mendorong partisipasi pemilih yang lebih terinformasi.
Downloads
References
F. Nur Rozi and D. Harini Sulistyawati, “Klasifikasi Berita Hoax Pilpres Menggunakan Metode Modified
K-Nearest Neighbor Dan Pembobotan Menggunakan TF-IDF,” 2019.
A. Yonathan, H. Sujaini, E. Esyudha Pratama, J. H. Nawawi, and K. Barat, “Perbandingan Algoritma
Klasifikasi dalam Pendeteksian Hoax pada Media Sosial,” Jurnal Aplikasi dan Riset Informatika, vol. 1,
, doi: 10.26418/juara.v1i1.53126.
M. Diki Hendriyanto and N. Sari, “Penerapan Algoritma K-Nearest Neighbor Penerapan Algoritma KNearest Neighbor dalam Klasifikasi Judul Berita Hoax.”
M. U. Shalih, T. Endra, and E. Tju, “Pembangunan Fitur dalam Identifikasi Cerdas Hoaks dengan Naïve
Bayes dan Klasifikasi Decision Tree”.
S. Vosoughi, D. Roy, and S. Aral, “The spread of true and false news online,” Science (1979), vol. 359,
no. 6380, pp. 1146–1151, Mar. 2018, doi: 10.1126/science.aap9559.
J. Li et al., “KRA: K-Nearest Neighbor Retrieval Augmented Model for Text Classification,” Electronics
(Switzerland), vol. 13, no. 16, Aug. 2024, doi: 10.3390/electronics13163237.
N. Isnaini, Adiwijaya, M. S. Mubarok, and M. Y. A. Bakar, “A multi-label classification on topics of
Indonesian news using K-Nearest Neighbor,” in Journal of Physics: Conference Series, Institute of Physics
Publishing, May 2019. doi: 10.1088/1742-6596/1192/1/012027.
B. Kaida Palma, D. Triantoro Murdiansyah, and W. Astuti, “Klasifikasi Teks Artikel Berita Hoaks Covid-
dengan Menggunakan Algotrima K-Nearest Neighbor.”
Siti Nur Asiyah and Kartika Fithriasari, “Klasifikasi Berita Online Menggunakan Metode Support Vector
Machine dan K- Nearest Neighbor,” JURNAL SAINS DAN SENI ITS, vol. 5, no. 2, 2016.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Arief Fathul Hikam, Triana Harmini, Aziz Mustafa, Faisal Pradhana
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
