ANALISIS BERITA POLITIK PALSU DENGAN MENGGUNAKAN METODE CNN DAN LSTM

• MUHAMMAD ILHAM PRASETYA
• 14002329

---

ABSTRAK

 

ABSTRAK
Nama : Muhammad Ilham Prasetya
NIM : 14002329
Program Studi : Ilmu Komputer
Fakultas : Teknologi Informasi
Jenjang : Strata Dua (S2)
Konsentrasi : Data Mining
Judul : Analisis Berita Politik Palsu dengan Menggunakan
Metode CNN dan LSTM
Berita palsu berdampak sangat buruk bagi penerima yang mudah percaya,
bahkan dapat membunuh karakter manusia. Pada tahun 2022 terdapat 9.546 hoaks
telah tersebar di berbagai platform media sosial di Internet, data tersebut tercantum
kurun waktu 3 tahun mulai Agustus 2018 hingga awal 2023 yang berdampak pada
masyarakat yaitu masyarakat mudah terprofokasi atau bahkan dapat bertindak
anarkis yang dapat membahayakan banyak orang. Salah satu beritanya terkait isu
politik yang dimanfaatkan oknum untuk menyebarkan berita Hoaks. Maka, perlu
dilakukan pengklasifikasian untuk mengetahui berita tersebut menggunakan
metode klasifikasi CNN dan LSTM. Tujuan penelitian yaitu melakukan analisis
berita politik palsu di Indonesia dengan melakukan perbandingan metode
Convolutional Neural Network (CNN) dan Long Short Term Memory (LSTM).
Dataset yang diperoleh dari portal berita yaitu kompas.com, liputan6.com,
tempo.co, viva.co.id dan cnnindonesia.com dengan kata kunci ”Cek Fakta” dari
tahun 2021-2023 yang berhasil disimpan dalam bentuk file .csv berjumlah 200 data
berupa isi berita. Dataset diberi label Hoax dan Non-Hoax, kemudian dilakukan
preprocessing dan pembagian data training dan testing. Data yang telah disiapkan
dilakukan training dan testing menggunakan metode CNN dan LSTM. Dari hasil
evaluasi menggunakan confusion matrix mendapatkan hasil bahwa metode CNN
mendapatkan nilai akurasi yang tinggi dibandingkan dengan metode LSTM.
Namun, pada skenario 70%:30% nilai accuracy dan precision metode LSTM
mendapatkan nilai yang lebih unggul dari metode CNN yaitu nilai accuracy sebesar
98.33 % dan nilai precision sebesar 100.0% yang menunjukkan bahwa ketepatan
menemukan informasi kembali. Pada metode CNN mendapatkan nilai accuracy
tertinggi pada skenario 60%:40% dan 90%:10% sebesar 100.0 %. Sedangkan, pada
metode LSTM skenario yang menghasilkan nilai tertinggi yaitu skenario 90%:10%
dengan nilai accuracy, precision, recall dan F-Score sebesar 100.0 %. Hasil pada
metode CNN dan LSTM berhasil melakukan analisis berita politik palsu di
Indonesia, karena akurasi dari kedua metode yang tinggi.
Kata kunci: Analisis, Berita Palsu, CNN, LSTM, Politik
 

KATA KUNCI

Analisis,Analisis Berita Politik,Metode CNN,Metode LSTM

---

DAFTAR PUSTAKA

 

DAFTAR REFERENSI
[1] K. Perdana, Zulfachmi and D. N. Huda, "Identifikasi Berita Hoax dengan
Recurrent Neural Network," Jurnal Bangkit Indonesia, vol. 10, no. 02, pp.
14-16, 2020.
[2] A. A. K. M. Mustikasari, "Implementasi Deep Learning Menggunakan
Metode CNN dan LSTM untuk Menentukan Berita Palsu dalam Bahasa
Indonesia," Jurnal Informatika Universitas Pamulang, vol. 5, no. 4, pp. 544-
552, 2020.
[3] R. Yunanto, A. P. Purfini and A. Prabuwisesa, "Survei Literatur: Deteksi
Berita Palsu Menggunakan Pendekatan Deep Learning," Jurnal Manajemen
Informatika (JAMIKA, vol. 11, no. 2, pp. 118-130, 2021.
[4] F. C. Rosana, "Hingga Awal 2022, Kominfo Temukan 9.546 Hoaks di
Internet," tempo.co, 7 Februari 2022. [Online]. Available:
https://bisnis.tempo.co/read/1558213/hingga-awal-2022-kominfo-temukan-
9-546-hoaks-di-internet. [Accessed 11 Januari 2023].
[5] I. A. Safitri and T. Dyatmika, "Pentingnya Literasi Bahaya Hoax Kepada
Masyarakat Desa Sidorejo di Era Globalisasi," JUMAT PENDIDIKAN:
JURNAL PENGABDIAN MASYARAKAT, vol. 2, p. 69 – 73, 2021.
[6] B. N. I. "Hoaks jelang pilpres meningkat, penebarnya 'kebanyakan kaum
ibu'," BBC News Indonesia, 2 April 2019. [Online]. Available:
https://www.bbc.com/indonesia/indonesia-47769556. [Accessed 13 Januari
2023].
[7] W. Widayat, "Analisis Sentimen Movie Review menggunakan Word2Vec
dan metode LSTM Deep Learning," JURNAL MEDIA INFORMATIKA
BUDIDARMA, vol. 5, pp. 1018-1026, 2021.
[8] E. I. Setiawan, A. Ferdianto, J. Santoso, Y. Kristian, Gunawan and S.
Sumpeno, "Analisis Pendapat Masyarakat terhadap Berita Kesehatan
Indonesia menggunakan Pemodelan Kalimat berbasis LSTM," Jurnal
105
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri
Nasional Teknik Elektro dan Teknologi Informasi, vol. 9, no. 1, pp. 8-17,
2020.
[9] K. "berita," 2021. [Online]. Available: https://kbbi.web.id/berita.
[10] H. Mustofa and A. A. Mahfudh, "Klasifikasi Berita Hoax Dengan
Menggunakan Metode Naive Bayes," WalisongoJournal of Information
Technology, pp. 1-12, 2019.
[11] K. D. "KBBI Daring," 2016. [Online]. Available:
https://kbbi.kemdikbud.go.id/entri/hoaks.
[12] B. K. Palma, D. T. Murdiansyah and W. Astuti, "Klasifikasi Teks Artikel
Berita Hoaks Covid-19 dengan Menggunakan Algotrima K-Nearest
Neighbor," e-Proceeding of Engineering, 2021.
[13] A. Solihin, D. I. Mulyana and M. B. Yel, "Klasifikasi Alat Musik Tradisional
Papua menggunakan Metode Transfer Learning Dan Data Augmentasi,"
Jurnal Sistem Komputer dan Kecerdasan Buatan, pp. 36-44, 2022.
[14] R. L. Atimi and E. E. Pratama, "Implementasi Model Klasifikasi Sentimen
Pada Review Produk Lazada Indonesia," Jurnal Sains dan Informatika, vol.
8, 2022.
[15] N. C. Siregar, R. R. A. Siregar and M. Y. D. Sudirman, "Implementasi Metode
Naive Bayes Classifier (NBC) Pada Komentar Warga Sekolah Mengenai
Pelaksanaan Pembelajaran Jarak Jauh (PJJ)," Jurnal Teknologia, 2020.
[16] A. R. Jamaludin and E. B. Setiawan, "Deteksi Berita Hoax di Media Sosial
Twitter dengan Ekspansi Fitur Menggunakan Glove," e-Proceeding of
Engineering, 2022.
[17] F. N. Fajri and S. , "Klasifikasi Nama Paket Pengadaan Menggunakan Long
Short-Term Memory(LSTM) Pada Data Pengadaan," Building of Informatics,
Technology and Science (BITS), p. 1625−1633, 2022.
[18] I. N. Husada and H. Toba, "Pengaruh Metode Penyeimbangan Kelas
Terhadap Tingkat Akurasi Analisis Sentimen pada Tweets Berbahasa
106
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri
Indonesia," Jurnal Teknik Informatika dan Sistem Informasi , vol. 6, pp. 400-
413, 2020.
[19] M. Ridwan and A. Muzakir, "Model Klasifikasi Ujaran Kebencian pada Data
Twitter dengan Menggunakan CNN-LSTM," TEKNOMATIKA, vol. 12, 2022.
[20] S. N. Listyarini and D. A. Anggoro, "Analisis Sentimen Pilkada di Tengah
Pandemi Covid-19 Menggunakan Convolution Neural Network (CNN),"
Jurnal Pendidikan dan Teknologi Indonesia (JPTI), vol. 1, no. 7, pp. 261-268,
Juli 2021.
[21] Yuliska, D. H. Qudsi, J. H. Lubis, K. U. Syaliman and N. F. Najwa,
"ANALISIS SENTIMEN PADA DATA SARAN MAHASISWA
TERHADAP KINERJA DEPARTEMEN DI PERGURUAN TINGGI
MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK," Jurnal
Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 8, no. 5, pp. 1067-1076,
Oktober 2021.
[22] D. Z. Haq, "Klasifikasi Citra Kanker Kulit Menggunakan Convolutional
Neural Network Model Googlenet," 28 Februari 2021. [Online]. Available:
http://digilib.uinsby.ac.id/46741/. [Accessed 11 Januari 2023].
[23] D. I. Af’ida, D. S. F. Handayani and R. W. Pratiwi, "Pengaruh Parameter
Word2Vec terhadap Performa Deep Learning pada Klasifikasi Sentimen,"
Jurnal Informatika: Jurnal pengembangan IT (JPIT), vol. 6, 2021.
[24] P. A. Riyantoko, T. M. Fahruddin, K. Maulida, Hindrayani and E. M. Safitr,
"ANALISIS PREDIKSI HARGA SAHAM SEKTOR PERBANKAN
MENGGUNAKAN ALGORITMA LONG-SHORT TERMS MEMORY
(LSTM)," Seminar Nasional Informatika 2020 (SEMNASIF 2020), pp. 427-
435, 2020.
[25] E. I. Setiawan and I. Lestari, "Stance Classification Pada Berita Berbahasa
Indonesia Berbasis Bidirectional LSTM," JOURNAL OF INTELLIGENT
SYSTEMS AND COMPUTATION, vol. 3, 2021.
107
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri
[26] C. S. Sriyano and E. B. Setiawan, "Pendeteksian Berita Hoax Menggunakan
Naive Bayes Multinomial Pada Twitter dengan Fitur Pembobotan TF-IDF,"
e-Proceeding of Engineering, 2021.
[27] D. A. N. Krisna and U. Salamah, "PERBANDINGAN ALGORITMA
NAÏVE BAYES DAN K-NEAREST NEIGHBOR UNTUK KLASIFIKASI
BERITA HOAX KESEHATAN DI MEDIA SOSIAL TWITTER," Jurnal
Teknik Informatika Kaputama (JTIK), 2022.
[28] M. A. A. Farisi, W. Astuti and A. , "Klasifikasi Multi-label pada Hadis Sahih
Bukhari Terjemahan Bahasa Indonesia Menggunakan Convolutional Neural
Networks," e-Proceeding of Engineering, vol. 8, pp. 10594-10604, 2021.
[29] N. A. Shafirra and I. , "Klasifikasi Sentimen Ulasan Film Indonesia dengan
Konversi Speech-to-Text (STT) Menggunakan Metode Convolutional Neural
Network (CNN)," JURNAL SAINS DAN SENI ITS, vol. 9, 2020.
[30] W. Zhao, L. Zhu, M. Wang, X. Zhang and J. Zhang, "WTL-CNN: a news text
classification method of convolutional neural network based on weighted
word embedding," CONNECTION SCIENCE, 2022.
[31] B. Irena and E. B. Setiawan, "Fake News (Hoax) Identification on Social
Media Twitter using Decision Tree C4.5 Method," RSETI Journal, 2020.
[32] I. Banerjee, Y. Ling, M. C. Chen, S. A. Hasan and C. P. Langlotz,
"Comparative Effectiveness of Convolutional Neural Network (CNN) and
Recurrent Neural Network (RNN) Architectures for Radiology Text Report
Classification," Artificial Intelligence in Medicine, pp. 79-88, 2019.
[33] A. Fauzi, E. B. Setiawan and Z. K. A. Baizal, "Hoax News Detection on
Twitter using Term Frequency Inverse Document Frequency and Support
Vector Machine Method," Journal of Physics: Conf. Series, 2019.
[34] J. P. Haumahulu, S. D. H. Permana and Y. Yaddarabullah, "Fake news
classification for Indonesian news using Extreme Gradient Boosting
(XGBoost)," The 5th Annual Applied Science and Engineering Conference
(AASEC 2020), 2020.
108
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri
[35] F. E. Purwiantono and A. Aditya, "Klasifikasi Sentimen SARA, HOAKS dan
Radikal Pada Postingan Media Sosial Menggunakan Algoritma Naïve Bayes
Multinomial Text," Jurnal TeknoKompak, pp. 68-73, 2020.
[36] E. B. Setiawan and A. R. Jamaludin, "Deteksi Berita Hoax di Media Sosial
Twitter dengan Ekspansi Fitur Menggunakan Glove," e-Proceeding of
Engineering, 2022.
[37] L. G. Irham, Adiwijaya and U. N. Wisesty, "Klasifikasi Berita Bahasa
Indonesia Menggunakan Mutual Information dan Support Vector Machine,"
Jurnal Media Informatika Budidarma, pp. 284-292, 2019.
[38] B. Herwijayanti, D. E. Ratnawati and L. Muflikhah, "Klasifikasi Berita
Online dengan menggunakan Pembobotan TF-IDF dan Cosine Similarity,"
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, pp. 306-312,
2018.
[39] J. Pardede and R. G. Ibrahim, "Implementasi Long Short-Term Memory
Untuk Identifikasi Berita HoaxBerbahasa Inggris Pada Media Sosial," JCOSINE, vol. 4, 2020.
[40] F. N. Rozi and D. H. Sulistyawati, "Klasifikasi Berita Hoax Pilpres
Menggunakan Metode Modified K-Nearest Neighbor Dan Pembobotan
Menggunakan TF-IDF," Konvergensi, 2019.
[41] A. Afriza and J. Adisantoso, "Metode Klasifikasi Rocchio Untuk Analisis
Hoax," Jurnal Ilmu Komputer Agri-Informatika, pp. 1-10, 2018.
[42] H. Muhabatin, C. Prabowo, I. Ali, C. L. Rohmat and D. R. Amalia,
"Klasifikasi Berita Hoax Menggunakan Algoritma Naïve Bayes Berbasis
PSO," INFORMATICS FOR EDUCATORS AND PROFESSIONALS, pp.
156-165, 2021.
[43] M. D. Hendriyanto and B. N. Sari, "Penerapan Algoritma K-Nearest Neighbor
dalam Klasifikasi Judul Berita Hoax," Jurnal Ilmiah Informatika (JIF), pp.
80-85, 2022.
109
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri
[44] I. A. Ropikoh, R. Abdulhakim, U. Enri and N. Sulistiyowati, "Penerapan
Algoritma Support Vector Machine (SVM) untuk Klasifikasi Berita
HoaxCovid-19," Journal of Applied Informatics and Computing(JAIC), vol.
5, pp. 64-73, 2021.
[45] A. A. Kurniawan and M. Mustikasari, "Implementasi Deep Learning
Menggunakan Metode CNN dan LSTM untuk Menentukan Berita Palsu
dalam Bahasa Indonesia," Jurnal Informatika Universitas Pamulang, pp. 544-
552, 2020.
[46] N. Fadlia and R. Kosasih, "KLASIFIKASI JENIS KENDARAAN
MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK
(CNN)," Jurnal Ilmiah Teknologi dan Rekayasa, vol. 24, 2019.
[47] K. S. Witanto, N. A. S. ER, A. E. Karyawati, I. G. A. G. A. Kadyanan, I. K.
G. Suhartana and L. G. Astuti, "Implementasi LSTM pada Analisis Sentimen
Review Film Menggunakan Adam dan RMSprop Optimizer," Jurnal
Elektronik Ilmu Komputer Udayana , vol. 10, pp. 351-362, 2022.
[48] U. N. Oktaviana and Y. Azhar, "Klasifikasi Sampah Menggunakan Ensemble
DenseNet169," Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi),
vol. 6, p. 1207 – 1215, 2021.
[49] A. Yusuf, R. C. Wihandika and C. Dewi, "Klasifikasi Emosi Berdasarkan Ciri
Wajah Menggunakan Convolutional Neural Network," Jurnal
Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, pp. 10595-
10604 , 2019.
[50] U. "Klasifikasi Gambar Sederhana menggunakan Convolutional Neural
Network," Universitas Gadjah Mada, 30 September 2018. [Online].
Available:
https://machinelearning.mipa.ugm.ac.id/tag/artificial_neural_network/.
[Accessed 10 Januari 2023].
[51] D. H. Jayani, "Survei Riset KIC: Masih Ada 11,9% Publik yang Menyebarkan
Berita Bohong," databoks, 2 Januari 2022. [Online]. Available:
110
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri
https://databoks.katadata.co.id/datapublish/2022/01/20/survei-riset-kicmasih-ada-119-publik-yang-menyebarkan-berita-bohong. [Accessed 11
Januari 2023]