PENGUKURAN KREDIBILITAS INFORMASI PADA TWITTER BERBASIS KREDIBILITAS PENGGUNA DENGAN MENGGUNAKAN SUPPORT VECTOR MACHINE DAN DECISION TREE

YUDHA PRAWIRA

Informasi Umum

Kode

17.04.3513

Klasifikasi

C -

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Social Media

Dilihat

829 kali

Informasi Lainnya

Abstraksi

Sebuah informasi memiliki peran penting di kehidupan kita. Dengan adanya informasi yang tepat maka kita bisa mendapatkan sebuah kepastian dalam memenuhi kebutuhan. Dalam sosial media twitter banyak informasi yang beredar akan tetapi belum tentu kepastiannya. Banyak beredar berita yang menyebabkan kita timbul rasa saling membenci, terjadinya fitnah, rasisme dan lain-lain. Untuk itu kita perlu mengetahui seberapa besar tingkat kredibilitas dari informasi yang beredar. Kredibilitas informasi adalah tingkat kepercayaan pada suatu informasi. Setiap informasi bisa memiliki sumber yang berbeda. Untuk itu, dalam penelitian ini akan dilakukan pengukuran kredibilitas tersebut. Metode yang digunakan untuk membantu mengukur kredibilitas ini adalah Support Vector Machine (SVM) dan Decision Tree J48. Kedua teknik ini nantinya akan digunakan dan dibandingkan hasilnya untuk mengetahui akurasi pengukuran tingkat kredibilitas mana yang lebih baik. Tujuan dari penelitian ini adalah untuk mendapatkan model dan nilai akurasi yang baik. Dalam penelitian ini hasil terbaik didapat pada metode Decision Tree dengan nilai akurasi 99,018 % dibandingkan Support Vector Machine (SVM) dengan nilai akurasi 98,025%. Fitur twitter yang paling berpengaruh dalam penelitian ini adalah fitur jumlah Follower pada metode Decision Tree didapatkan nilai akurasi 92,858 % yang turun sebanyak 6,275% dari nilai rasio terbaik 99,134% di rasio 70:30 dan pada metode Support Vector Machine didapatkan nilai akurasi 89.277 % yang turun sebanyak 8,846% dari nilai rasio terbaik 98,113% di rasio 70:30. Pada kelompok fitur yang berpengaruh adalah kelompok atau dimensi fitur pengguna dengan nilai akurasi 98,006% pada metode Decision Tree dan nilai akurasi 98,023% pada metode Support Vector Machine. Dalam penilitian ini dapat dikatakan bahwa kredibilitas informasi dipengaruhi oleh pengguna twitter sebagai sumber informasinya.

Kata Kunci : Support Vector Machine, Decision Tree, informasi, kredibilitas, twitter