Klasifikasi informasi hoaks pada media sosial twitter menggunakan algoritma random forest berbasis particle swarm optimization

Abstract

Twitter merupakan salah satu media sosial yang memiliki peran penting sebagai sarana penyebaran informasi dan berkomunikasi. Maraknya penyebaran informasi hoaks memberikan banyak dampak buruk kepada penggunanya. Untuk mengetahui apakah informasi tersebut hoaks atau bukan diperlukan klasifikasi. Penelitian ini melakukan klasifikasi informasi hoaks dengan menggunakan algoritma Random Forest (RF) berbasis Particle Swarm Optimization (PSO). Data penelitian diambil menggunakan Twitter Application Programming Interface (API) pada rentang waktu November 2021 sampai Februari 2022. Data sampel terdiri atas tiga kategori informasi, yaitu akurat (100 sampel), hoaks yang menyesatkan (50 sampel), dan hoaks yang salah (50 sampel). Data sampel diklasifikasikan setelah melalui tahap text mining, pra proses data, eksplorasi data, pembobotan kata, pembagian data training dan data testing dalam dua perbandingan, yaitu 70% data training dan 30% data testing, dan 80% data training dan 20% data testing. Algoritma yang menghasilkan klasifikasi terbaik adalah RF berbasis PSO dengan tingkat akurasi sebesar 73%, presisi sebesar 66%, dan recall sebesar 65%. Selanjutnya diperoleh beberapa karakteristik informasi hoaks pada data sampel, di antaranya: memiliki jumlah komentar, likes, dan retweet yang tinggi. Topik yang paling sering terpapar hoaks pada data sampel adalah politik (24 sampel), kriminal dan kesehatan (21 sampel), dan terkini (20 sampel). Kata-kata pada data sampel tweet yang paling sering terpapar hoaks adalah “sebar”, “hati”, dan “buzzer”.