Latifah Zahra, Fitri (2026) IMPLEMENTASI KLASIFIKASI BERITA HOAX KESEHATAN MENGGUNAKAN MODEL NAIVE BAYES DENGAN PEMBOBOTAN TF-IDF. Skripsi thesis, Universitas Muhammadiyah Tangerang.
Cover_Fitri Latifah Zahra.pdf - Published Version
Restricted to Repository staff only
Available under License Creative Commons Attribution.
Download (255kB)
Halaman Pengesahan_Fitri Latifah Zahra.pdf - Published Version
Restricted to Repository staff only
Available under License Creative Commons Attribution.
Download (216kB)
Halaman Abstrak_Fitri Latifah Zahra.pdf - Published Version
Restricted to Repository staff only
Available under License Creative Commons Attribution.
Download (263kB)
BAB I_Fitri Latifah Zahra.pdf - Published Version
Restricted to Repository staff only
Available under License Creative Commons Attribution.
Download (22kB)
BAB II_Fitri Latifah Zahra.pdf - Published Version
Restricted to Repository staff only
Available under License Creative Commons Attribution.
Download (22kB)
BAB III_Fitri Latifah Zahra.pdf - Published Version
Restricted to Repository staff only
Available under License Creative Commons Attribution.
Download (22kB)
BAB IV_Fitri Latifah Zahra.pdf - Published Version
Restricted to Repository staff only
Available under License Creative Commons Attribution.
Download (22kB)
BAB V_Fitri Latifah Zahra.pdf - Published Version
Restricted to Repository staff only
Available under License Creative Commons Attribution.
Download (22kB)
DAFTAR PUSTAKA_Fitri Latifah Zahra.pdf - Published Version
Restricted to Repository staff only
Available under License Creative Commons Attribution.
Download (25kB)
Abstract
Peredaran berita bohong atau berita hoax di bidang kesehatan telah meningkat pesat
dan mengkhawatirkan seiring dengan pesatnya perkembangan teknologi dan
informasi. Kejadian ini tidak hanya menimbulkan kebingungan dan keraguan, tetapi
juga berpotensi membahayakan keselamatan jika terjadi kesalahan informasi serta
pengambilan keputusan medis yang berdasarkan informasi yang keliru. Banyaknya
informasi di media sosial dan website yang sangat masif, disertai dengan metode
verifikasi yang manual dinilai tidak efisien untuk mengimbangi kecepatan
penyebaran isu terkait dengan berita hoax kesehatan. Oleh karena itu penelitian ini
membangun sistem klasifikasi berita hoax kesehatan yang mampu mendeteksi
berita bohong secara akurat dengan mengimplemetasikan algoritma Naive Bayes
dan pembobotan Term Frequency Inverse Document Frequency (TF-IDF).
Metodologi penelitian diawali dengan pengumpulan dataset melalui website dengan
teknik web scraping. Website yang dituju yaitu situs TurnBackHoax sebagai situs
klarifikasi berita hoax dan situs Kompas sebagai situs berita yang menyajikan data
valid dan terpercaya. Data tesktual tersebut kemudian melalui tahapan
preprocessing data yang komprehensif, meliputi proses pembersihan kata, case
folding, tokenizing, stopword removal, dan stemming. Model klasifikasi yang
terproses dan menjadi file, diintegrasikan ke dalam user interface aplikasi berbasis
web menggunakan framework Streamlit guna memfasilitasi verifikasi pengguna
secara real-time. Hasil pengujian eksperimental menunjukkan bahwa metode yang
diusulkan memiliki tingkat akurasi yang mencapai sebesar 95%, dengan rata-rata
presisi 96%, dan rata-rata recall 95%. Tingginya nilai evaluasi kerja ini
membuktikan bahwa kombinasi antara algoritma Naive Bayes dan pembobotan
Term Frequency Inverse Document Frequency (TF-IDF) sangat efektif dalam
membedakan pola linguistik antara fakta medis (valid) dengan narasi hoax.
Implikasi praktis dari penelitian ini menghadirkan sebuah solusi teknologi yang
dapat digunakan masyarakat untuk memvalidasi informasi kesehatan, sekaligus
berkontribusi dalam upaya penyebaran disinformasi terkait berita kesehatan di
media sosial dan website.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Contributors: | Contribution Contributors Nidn Email Thesis advisor Firdaus, Ali 0405037403 alifirdaus@ft-umt.ac.id |
| Additional Information: | Silahkan menghubungi admin perpustakaan sesuai jurusan jika menginginkan full paper |
| Uncontrolled Keywords: | Kata Kunci: Hoax, Naive Bayes, Streamlit, TF-IDF, Web Scraping |
| Subjects: | T Technology > T Technology (General) T Technology > T Technology (General) > T201 Patents. Trademarks |
| Divisions: | Fakultas teknik > Informatika |
| Depositing User: | Ms Eca Luciana |
| Date Deposited: | 29 Mar 2026 11:33 |
| Last Modified: | 29 Mar 2026 11:33 |
| URI: | http://repository.umt.ac.id/id/eprint/1543 |

