Analisis Klasifikasi Clickbait Pada Pemberitaan Dengan Menggunakan Metode Random Forest Dan Smote (Studi Kasus : Pemberitaan Pada Media Massa Daring Tentang Covid-19) Halaman Judul

Abstract

Seiring berkembangnya zaman, kemajuan teknologi mendukung masyarakat untuk mengakses internet dengan cepat. Selama masa pandemi Covid-19 penggunaan internet di Indonesia meningkat drastis. Masyarakat banyak mengakses portal berita online untuk mengetahui info terbaru terkait pandemi tersebut. Akan tetapi, masyarakat terkadang hanya membaca sekilas judul pada headline berita yang unik serta bombastis. Tanpa disadari pembaca akhirnya meng- klik judul berita yang kemudian mengarahkan pada keseluruhan dari berita tersebut. Kejadian tersebut dapat dikatakan clickbait. Clickbait merupakan sebuah sebutan yang merujuk kepada konten website bisa berupa berita, iklan maupun jasa yang diperuntukan untuk memperoleh perhatian dan mendorong pengunjung untuk meng-klik tautan ke halaman website tertentu. Tujuan dari penelitian ini yaitu untuk mengklasifikasi berita clickbait pada portal berita online, sehingga akan didapatkan model yang nantinya bisa dilihat prediksi yang benar. Metode yang digunakan pada penelitian ini yaitu Random Forest dan SMOTE. Random Forest adalah kumpulan Decision Tree di mana banyaknya pohon akan digunakan untuk mengklasifikasi data ke suatu kelas. SMOTE adalah metode menyeimbangkan jumlah data pada kelas minoritas dengan membuat data sintesis hingga jumlah data menjadi seimbang dengan kelas mayoritas. Pada penelitian ini didapatkan data yang tidak seimbang antar kategori yaitu clickbait dan non-clickbait, maka akan dilakukan terlebih dahulu balancing pada data menggunakan metode SMOTE. Berdasarkan hasil analisis menggunakan metode Random Forest dengan perbandingan data training dan data testing sebesar 80%:20% didapatkan nilai akurasi sebesar 80%, precision sebesar 99%, recall sebesar 63%.