Implementasi Long Short-Term Memory untuk Identifikasi Berita Hoax Berbahasa Inggris pada Media Sosial

Abstract

Hoax atau berita palsu menyebar sangat cepat di media sosial. Berita itu dapat memengaruhi pembaca dan menjadi racun pikiran. Masalah seperti ini harus diselesaikan secara strategis untuk mengidentifikasi berita yang dibaca yang disebarluaskan di media sosial. Beberapa metode yang diusulkan untuk memprediksi tipuan adalah menggunakan Support Vector Classifier, Logistic Regression, dan MultinomialNaiveBayes. Dalam studi ini, para peneliti menerapkan Long Short-Term Memory untuk mengidentifikasi hoax. Kinerja sistem diukur berdasarkan nilai precision, recall, accuracy, dan F-Measure. Berdasarkan hasil eksperimen yang dilakukan pada data tipuan diperoleh nilai rata-rata precision, recall, accuracy, dan F-Measure masing-masing 0,94, 0,96, 0,94, dan 0,95. Berdasarkan hasil eksperimen ditemukan bahwa Long Short-Term Memory yang diusulkan memiliki kinerja yang lebih baik dibandingkan dengan metode sebelumnya.