Perbandingan Metode Random Forest Dan Support Vector Machine Dalam Klasifikasi Judul Berita Clickbait (Studi Kasus : Berita Online Selebriti Di Berbagai Media Massa)

Abstract

Tiap tahunnya jumlah pengguna internet di Indonesia berkembang pesat. Akibatnya media online yang bermunculan yang populer dikalangan masyarakat. Karakteristik umum dari berita online adalah sifatnya yang real time. Dengan kata lain berita dipublikasikan pada saat kejadian berlangsung. Media selalu menyajikan berita paling update setiap harinya, apalagi informasi mengenai selebriti yang tidak ada habisnya. Berita kehidupan selebriti diminati oleh pembaca. Namun dengan adanya clickbait, pemberitaan seringkali mengecoh, menyesatkan, dan mengelirukan pembaca karena judul yang dibuat hiperbolis tidak selalu mencerminkan isi berita. Oleh karena itu, dilakukan penelitian untuk mengklasifikasikan judul berita ke dalam kategori bukan clickbait, clickbait tidak parah, dan clickbait parah dengan melakukan perbandingan metode random forest dan support vector machine. Performa random forest lebih bagus dalam melakukan klasifikasi judul berita clickbait ini dan mampu menghasilkan error yang lebih rendah. Dari model yang didapatkan, dibangun website sebagai user interface model. Data yang dikumpulkan berupa judul berita dari berbagai portal berita online sebanyak 2022. Kemudian diterapkan metode SMOTE untuk mengatasi imbalanced data sehingga data menjadi 4890. Hasil yang didapatkan dengan perbandingan data 80% data training dan 20% data testing didapatkan nilai akurasi sebesar 96%, precision sebesar 96%, dan recall sebesar 100%.