Multi Domain Hoax Content Detection on Indonesian News Media using Multinomial Naive Bayes

Berita hoax merupakan masalah yang perlu ditanggulangi di Indonesia. Melansir laporan dari Kominfo (Kementerian Komunikasi dan Informatika) pada tahun 2020 saja terdeteksi 3.464 berita hoaks. mengingat jumlahnya yang banyak, maka akan sangat sulit untuk mengidentifikasi setiap berita yang ada di Indonesia, tidak secara cepat apalagi secara komprehensif. Oleh karena itu, dibutuhkan suatu alat atau sistem yang dapat mendeteksi berita yang tersebar, secara cepat dan efisien. Dengan tujuan tersebut, penelitian ini dilakukan, dengan menggunakan metode yang digunakan oleh Multinomial Naïve Bayes (MNB). Pada penelitian sebelumnya, masih terdapat beberapa kekurangan yang dapat ditutupi dengan improvisasi. Untuk berimprovisasi dalam klasifikasi berita hoaks, metode MNB dipilih untuk penelitian ini. MNB sendiri merupakan jenis Naïve Bayes yang sering digunakan untuk analisis teks dimana data direpresentasikan dalam bentuk vektor frekuensi kata. sebagai rival pembanding untuk MNB, Gaussian Naïve Bayes juga akan didatangkan untuk penelitian ini. dengan total 998 data berita yang bersumber dari turnbackhoax.id dan sebagai pembanding penelitian ini juga menggunakan data dari penelitian sebelumnya yang berjumlah 250 berita. Hasil yang diperoleh dengan metode GNB mencapai akurasi 94% dan akurasi tertinggi untuk metode MNB adalah 96% yang menunjukkan MNB lebih baik