Perancangan Machine Learning Deteksi Berita Palsu Di Media Sosial Dengan Pendekatan Logistic Regression

Adam Alfarizy, . (2025) Perancangan Machine Learning Deteksi Berita Palsu Di Media Sosial Dengan Pendekatan Logistic Regression. Other thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (1MB)
	Text BAB I.pdf Restricted to Registered users only Download (249kB)
	Text BAB II.pdf Restricted to Registered users only Download (567kB)
	Text BAB III.pdf Restricted to Registered users only Download (782kB)
	Text BAB IV.pdf Restricted to Registered users only Download (431kB)
	Text BAB V.pdf Restricted to Repository staff only Download (157kB)
	Text JURNAL.pdf Restricted to Registered users only Download (470kB)

Abstract

Pada era digital saat ini, penyebaran berita palsu di media sosial semakin marak karena banyak informasi yang tersebar tanpa proses verifikasi yang memadai. Penelitian ini bertujuan untuk merancang sistem deteksi berita palsu berbasis web yang mampu mengklasifikasikan teks berita sebagai berita palsu atau valid dengan menggunakan metode Logistic Regression dan teknik TF-IDF sebagai metode ekstraksi fitur. Sistem ini dibangun menggunakan framework Flask dan dilengkapi fitur untuk menampilkan kata-kata penting dari teks yang memengaruhi hasil prediksi. Berdasarkan hasil pengujian, model menunjukkan akurasi sebesar 94%, sedangkan hasil evaluasi kualitas sistem menggunakan kuesioner memperoleh nilai sebesar 85,13% dengan kategori “Sangat Baik”. Hasil ini menunjukkan bahwa sistem yang dikembangkan mampu berjalan sesuai dengan tujuan serta memberikan hasil yang akurat dan pengalaman pengguna yang baik.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Berita Palsu, TF-IDF, Logistic Regression, Flask
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Mahlil Muhammad, S.IP
Date Deposited:	22 Sep 2025 07:27
Last Modified:	22 Sep 2025 07:27
URI:	http://repository.unpam.ac.id/id/eprint/17480

Actions (login required)

View Item