PENERAPAN SUPPORT VECTOR MACHINE (SVM) UNTUK DETEKSI HOAKS PADA BERITA ONLINE
JATI (Jurnal Mahasiswa Teknik Informatika) · 01.08.2026 · 10 (4) · 6782-6787
DOI: 10.36040/jati.v10i4.18809 ↗Kurz gefasst
Fachartikel in der Zeitschrift JATI (Jurnal Mahasiswa Teknik Informatika), online erschienen am 01.08.2026. Verfasst von Rifky Fachuzi und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).
Abstract (Originalsprache)
Maraknya penyebaran berita hoaks di media digital telah memicu disinformasi yang berdampak negatif pada stabilitas sosial. Namun, proses verifikasi manual memiliki keterbatasan dalam hal kecepatan dan skalabilitas. Penelitian ini bertujuan untuk menerapkan algoritma Support Vector Machine (SVM) dalam membangun model klasifikasi berita online berbahasa Indonesia secara otomatis. Data yang digunakan berjumlah 3.000 berita yang bersumber dari situs pemeriksa fakta dan media terpercaya. Metodologi penelitian meliputi preprocessing teks dengan NLP, ekstraksi fitur menggunakan TF-IDF, serta pemodelan SVM dengan kernel Linear dan RBF. Hasil penelitian menunjukkan bahwa SVM kernel Linear mencapai performa terbaik dengan akurasi 99,8%, presisi 99,6%, dan recall 100%. Hal ini membuktikan bahwa metode SVM sangat efektif untuk deteksi hoaks otomatis dan dapat dikembangkan lebih lanjut menjadi sistem aplikasi
Zitieren
APA
Fachuzi, R., & Vindua, R. (2026). PENERAPAN SUPPORT VECTOR MACHINE (SVM) UNTUK DETEKSI HOAKS PADA BERITA ONLINE. JATI (Jurnal Mahasiswa Teknik Informatika), 10(4), 6782-6787. https://doi.org/10.36040/jati.v10i4.18809
Vancouver
Fachuzi R, Vindua R. PENERAPAN SUPPORT VECTOR MACHINE (SVM) UNTUK DETEKSI HOAKS PADA BERITA ONLINE. JATI (Jurnal Mahasiswa Teknik Informatika). 2026;10(4):6782-6787. doi:10.36040/jati.v10i4.18809
BibTeX
@article{Fachuzi2026,
author = {Fachuzi, Rifky and Vindua, Raditia},
title = {PENERAPAN SUPPORT VECTOR MACHINE (SVM) UNTUK DETEKSI HOAKS PADA BERITA ONLINE},
journal = {JATI (Jurnal Mahasiswa Teknik Informatika)},
year = {2026},
volume = {10},
number = {4},
pages = {6782--6787},
doi = {10.36040/jati.v10i4.18809}
}
EUVIMED