Pemodelan Deteksi Black Campaign Sumber Media Berita Online Menggunakan Long Short Term Memory
Abstract
Developed a black campaign detection model to obtain an accuracy level of classifying online news using the LSTM (Long Short Term Memory) algorithm.
Aggregation of neural networks in sheet layers to iteratively learn from the data collected by emulating the workings of the like human brain does the job so computers can be trained in abstraction with the problem is not well defined. The LSTM (Long Short Term Memory) text-processing learning method is used for text classification through the stages of data collection, data preprocessing, word representation, classification, and evaluation. LSTM adds capability and erases information from the cell state. Gates consist of a sigmoid part of layers and multiplication operation. Hyperparameter value is determined from Vocab_size, Embedding_dim Activation Function, Number of epoc, and Learning rate. Evaluation of the showing of the data training performance on data testing shows that the value of LSTM is in identifying online news MAPE 8%. The RMSE evaluation shows that the parameter Number of epochs has a high value of 0.053728.
Keywords
Full Text:
PDFReferences
A. D. Pamungkas and R. Arifin, “Demokrasi dan Kampanye Hitam dalam Penyelenggaraan Pemilihan Umum di Indonesia (Analisis atas Black Campaign dan Negative Campaign),” DIKTUM J. Syariah dan Huk., vol. 17, no. 1, pp. 16–30, 2019, doi: 10.35905/diktum.v17i1.641.
S. M. N. Tannady, D. H. Setiabudi, and ..., “Penerapan Long-Short Term Memory dengan Word2Vec Model untuk Mendeteksi Hoax dan Clickbait News pada Berita Online di Indonesia,” J. Infra, vol. 2021, 2022, [Online].
M. R. Firmansyah, R. Ilyas, and F. Kasyidi, “Klasifikasi Kalimat Ilmiah Menggunakan Recurrent Neural Network,” Pros. 11th Ind. Res. Work. Natl. Semin., vol. 11, no. 1, pp. 488–495, 2020.
E. D. Pratama, “Implementasi Model Long-Short Term Memory (LSTM) pada Klasifikasi Teks Data SMS Spam Berbahasa Indonesia,” J. Mach. Learn. Comput. Intell., vol. 1, no. 2, p. 2022, 2022.
Y. Widhiyasana, T. Semiawan, I. Gibran, A. Mudzakir, and M. R. Noor, “Penerapan Convolutional Long Short-Term Memory untuk Klasifikasi Teks Berita Bahasa Indonesia (Convolutional Long Short-Term Memory Implementation for Indonesian News Classification),” J. Nas. Tek. Elektro dan Teknol. Inf. |, vol. 10, no. 4, pp. 354–361, 2021.
A. A. Kurniawan and M. Mustikasari, “Implementasi Deep Learning Menggunakan Metode CNN dan LSTM untuk Menentukan Berita Palsu dalam Bahasa Indonesia,” J. Inform. Univ. Pamulang, vol. 5, no. 4, p. 544, 2021, doi: 10.32493/informatika.v5i4.6760.
A. S. Talita and A. Wiguna, “Implementasi Algoritma Long Short-Term Memory (LSTM) Untuk Mendeteksi Ujaran Kebencian (Hate Speech) Pada Kasus Pilpres 2019,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 19, no. 1, pp. 37–44, 2019, doi: 10.30812/matrik.v19i1.495.
S. Suyono, “Analisis Penyebaran Kampanye Hitam (Black Campaign) Pilkada Jember Melalui Media Sosial Facebook,” Calathu J. Ilmu Komun., vol. 3, no. 2, pp. 88–99, 2021, doi: 10.37715/calathu.v3i2.2181.
R. J. Kurniawan, “Penggunaan machine learning dalam melakukan analisis berita hoax pada media sosial,” … Learn. Dalam Melakukan Anal. Ber. Hoax …, 2021, [Online]. Available: http://idea.warta17agustus.com/id/eprint/596/%0Ahttp://idea.warta17agustus.com/id/eprint/596/1/43_Reymus Jordan Kurniawan_Penggunaan machine learning dalam melakukan analisis berita hoax pada media sosial.pdf
R. K. Putri and M. Athoillah, “Identifikasi Berita Hoax Terkait Virus Corona Menggunakan Long Short-Term Memory,” Semin. Nas. Has. Ris. dan Pengabdi., no. April, pp. 506–513, 2022, [Online].
E. I. Setiawan and I. Lestari, “Stance Classification Pada Berita Berbahasa Indonesia Berbasis Bidirectional LSTM,” J. Intell. Syst. Comput., vol. 3, no. 1, pp. 41–48, 2021, doi: 10.52985/insyst.v3i1.148.
D. Doly, “Penegakan Hukum Kampanye Hitam (Black Campaign) Di Media Sosial: Pembelajaran Pemilihan Umum Presiden Tahun 2019,” Kajian, vol. 25, no. 1, pp. 1–18, 2020
A. D. Pamungkas and R. Arifin, “Demokrasi dan Kampanye Hitam dalam Penyelenggaraan Pemilihan Umum di Indonesia (Analisis atas Black Campaign dan Negative Campaign),” DIKTUM J. Syariah dan Huk., vol. 17, no. 1, pp. 16–30, 2019, doi: 10.35905/diktum.v17i1.641.
S. M. N. Tannady, D. H. Setiabudi, and ..., “Penerapan Long-Short Term Memory dengan Word2Vec Model untuk Mendeteksi Hoax dan Clickbait News pada Berita Online di Indonesia,” J. Infra, vol. 2021, 2022, [Online].
M. R. Firmansyah, R. Ilyas, and F. Kasyidi, “Klasifikasi Kalimat Ilmiah Menggunakan Recurrent Neural Network,” Pros. 11th Ind. Res. Work. Natl. Semin., vol. 11, no. 1, pp. 488–495, 2020.
E. D. Pratama, “Implementasi Model Long-Short Term Memory (LSTM) pada Klasifikasi Teks Data SMS Spam Berbahasa Indonesia,” J. Mach. Learn. Comput. Intell., vol. 1, no. 2, p. 2022, 2022.
Y. Widhiyasana, T. Semiawan, I. Gibran, A. Mudzakir, and M. R. Noor, “Penerapan Convolutional Long Short-Term Memory untuk Klasifikasi Teks Berita Bahasa Indonesia (Convolutional Long Short-Term Memory Implementation for Indonesian News Classification),” J. Nas. Tek. Elektro dan Teknol. Inf. |, vol. 10, no. 4, pp. 354–361, 2021.
A. A. Kurniawan and M. Mustikasari, “Implementasi Deep Learning Menggunakan Metode CNN dan LSTM untuk Menentukan Berita Palsu dalam Bahasa Indonesia,” J. Inform. Univ. Pamulang, vol. 5, no. 4, p. 544, 2021, doi: 10.32493/informatika.v5i4.6760.
A. S. Talita and A. Wiguna, “Implementasi Algoritma Long Short-Term Memory (LSTM) Untuk Mendeteksi Ujaran Kebencian (Hate Speech) Pada Kasus Pilpres 2019,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 19, no. 1, pp. 37–44, 2019, doi: 10.30812/matrik.v19i1.495.
S. Suyono, “Analisis Penyebaran Kampanye Hitam (Black Campaign) Pilkada Jember Melalui Media Sosial Facebook,” Calathu J. Ilmu Komun., vol. 3, no. 2, pp. 88–99, 2021, doi: 10.37715/calathu.v3i2.2181.
R. J. Kurniawan, “Penggunaan machine learning dalam melakukan analisis berita hoax pada media sosial,” … Learn. Dalam Melakukan Anal. Ber. Hoax …, 2021, [Online].
R. K. Putri and M. Athoillah, “Identifikasi Berita Hoax Terkait Virus Corona Menggunakan Long Short-Term Memory,” Semin. Nas. Has. Ris. dan Pengabdi., no. April, pp. 506–513, 2022, [Online]. Available: https://snhrp.unipasby.ac.id/prosiding/index.php/snhrp/article/view/354/298
E. I. Setiawan and I. Lestari, “Stance Classification Pada Berita Berbahasa Indonesia Berbasis Bidirectional LSTM,” J. Intell. Syst. Comput., vol. 3, no. 1, pp. 41–48, 2021, doi: 10.52985/insyst.v3i1.148.
D. Doly, “Penegakan Hukum Kampanye Hitam (Black Campaign) Di Media Sosial: Pembelajaran Pemilihan Umum Presiden Tahun 2019,” Kajian, vol. 25, no. 1, pp. 1–18, 2020 [12] D. Doly, “Penegakan Hukum Kampanye Hitam (Black Campaign) Di Media Sosial: Pembelajaran Pemilihan Umum Presiden Tahun 2019,” Kajian, vol. 25, no. 1, pp. 1–18, 2020.
S. Vinit Bhoir, “Identifikasi Berita Hoax dengan Recurrent Neural Network,” 2020 Int. Conf. Comput. Commun. Informatics, ICCCI 2020, vol. 10, no. 02, pp. 14–16, 2020, doi: 10.1109/ICCCI48352.2020.9104177
R. E. Putra and A. S. Sinaga, “Perkiraan Harga Beras Premium DKI Jakarta Menggunakan Regresi Linier,” vol. 06, pp. 80–85, 2022.
A. Sindar, and S. Dewi, “Identifikasi Berita Black Campaign Bersama Polsek Beringin,” vol. 4, no. 1, pp. 62–68, 2023.
S. Ilahiyah and A. Nilogiri, “Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network,” JUSTINDO (Jurnal Sist. dan Teknol. Inf. Indones., vol. 3, no. 2, pp. 49–56, 2018.
I. Irwan, A. Y. Hashari, H. Ihsan, and A. Zaki, “Penggunaan Self Organizing Map Dalam Pengelompokan Tingkat Kesejahteraan Masyarakat,” Jambura J. Probab. Stat., vol. 1, no. 2, pp. 57–68, 2020, doi: 10.34312/jjps.v1i2.7266..
DOI: https://doi.org/10.53513/jis.v22i1.7554
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution 4.0 International License.
Jurnal SAINTIKOM
Sekolah Tinggi Manajemen dan Informatika Komputer (STMIK) Triguna Dharma
Website : https://www.trigunadharma.ac.id/
Email : [email protected]