Sistem Deteksi Hoax pada Twitter dengan Metode Klasifikasi Feed-Forward dan Back-Propagation Neural Networks

Social media is one of the ways to connect every individual in the world. It also used by irresponsible people to spread a hoax. Hoax is false news that is made as if it is true. It may cause anxiety and panic in society. It can affect the social and political conditions. This era, the most popular social media is Twitter. It is a place for sharing information and users around the world can share and receive news in short messages or called tweet. Hoax detection gained significant interest in the last decade. Existing hoax detection methods are based on either news-content or social-context using user-based features. In this study, we present a hoax detection based on FF & BP neural networks. In the developing of it, we used two vectorization methods, TF-IDF and Word2Vec. Our model is designed to automatically learn features for hoax news classification through several hidden layers built into the neural network. The neural network is actually using the ability of the human brain that is able to provide stimulation, process, and output. It works by the neuron to process every information that enters, then is processed through a network connection, and will continue learning to produce abilities to do classification. Our proposed model would be helpful to provide a better solution for hoax detection. Data collection obtained through crawling used Twitter API and retrieve data according to the keywords and hashtags. The neural networks highest accuracy obtained using TF-IDF by 78.76%. We also found that data quality affects the performance.
Informasi dihasilkan di internet melalui berbagai media sosial. Tidak aneh jika berita hoax sering beredar di media sosial yang telah mempengaruhi kelompok tertentu untuk menjatuhkan seseorang. Berita hoax adalah berita yang masih diragukan. Di era ini, media sosial yang paling populer adalah Twitter. Twitter adalah tempat untuk berbagi informasi, di mana pengguna di seluruh dunia dapat berbagi dan menerima informasi dalam pesan singkat. Dalam penelitian ini, penulis membangun sistem untuk mendeteksi hoax di Twitter. Metode klasifikasi menggunakan feed-forward dan back-propagation neural networks. Validasi data didasarkan pada isi pesan. Setiap pesan melewati pre-processing dan pembobotan kata sebelum diproses oleh sistem klasifikasi. Pembobotan kata menggunakan metode TF-IDF dan Word2Vec sebagai perbandingan hasil kinerja sistem yang dihitung oleh confusion matrix. Dalam mengembangkan sistem, penulis mengumpulkan data dari Twitter dalam bentuk tweet sesuai dengan kata kunci dan tagar yang sedang banyak dibahas di Indonesia. Tujuan dari penelitian ini adalah untuk meminimalkan penyebaran berita hoax di Twitter. Dari hasil pengujian, feed-forward dan back-propagation neural networks dapat digunakan dalam deteksi hoax. Hasil kinerja sistem menunjukkan bahwa akurasi tertinggi dalam pembobotan Word2Vec dengan tokenizer unigram dengan akurasi 77,57%. Word2Vec bekerja lebih cepat dan lebih dalam dibandingkan dengan TF-IDF. Unigram menunjukkan kinerja lebih baik daripada bigram dan trigram karena kombinasi kata-kata menyebabkan banyak noise dalam kata sehingga sistem tidak dapat bekerja secara optimal.