ANALISIS HYBRID METODE CNN DAN LSTM DALAM MEDIA BERITA ONLINE INDONESIA

  • Ciptoningaji Guridno Universitas Nasional
  • Ariana Azimah Universitas Nasional
  • Sari Ningsih Universitas Nasional
Keywords: CNN, LSTM, Media Berita Online, Analisis Teks, Machine Learning

Abstract

Berita palsu atau disinformasi merupakan ancaman serius dalam ekosistem media online. Penyebaran berita palsu dapat mengganggu informasi yang akurat dan dapat mempengaruhi masyarakat dan opini publik. Dalam penelitian ini, Penulis mengusulkan pendekatan hibrida yang mengintegrasikan Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM) untuk menganalisis konten media berita online di Indonesia. Metode hibrid ini ditujukan untuk memahami dan menginterpretasikan dinamika informasi yang disampaikan melalui berita online dengan lebih efektif. Penulis mengumpulkan dan memproses dataset besar dari artikel berita online dalam Bahasa Indonesia, lalu menerapkan CNN untuk ekstraksi fitur teks dan LSTM untuk memodelkan sekuensialitas data dalam artikel. Hasil eksperimen menunjukkan bahwa model hibrid CNN-LSTM mampu meningkatkan akurasi klasifikasi topik berita dan sentiment analisis dibandingkan dengan metode standar. Penelitian ini memberikan wawasan baru tentang aplikasi pembelajaran mesin dalam media berita dan menawarkan metode yang inovatif untuk analisis teks pada skala besar.

References

P. KOMINFO, “Ada 800.000 Situs Penyebar Hoax di Indonesia,” Website Resmi Kementerian Komunikasi dan Informatika RI. 2017. [Online].http:///content/detail/12008/ada-800000-situs-penyebarhoaxdiindonesia/0/sorotan_media%0Ahttp://files/66/sorotan_media.html.

I. R. Cahyadi, “Survei KIC: Hampir 60% Orang Indonesia Terpapar Hoax Saat Mengakses Internet,” Berita Satu, 2020. https://www.beritasatu.com/digital/700917/survei-kic-hampir-60-orang-indonesia-terpapar-hoax-saat-mengakses-internet (accessed Nov. 04,2023).

Kaur, S., Kumar, P., & Kumaraguru, P. (2020). Detecting clickbaits using two-phase hybrid CNN-LSTM biterm model. Expert Systems with Applications, 151. https://doi.org/10.1016/j.eswa.2020.113350

Goonathilake, M. D. P. P., & Kumaral, P. P. N. V. (2020). CNN, RNN-LSTM Based Hybrid Approach to Detect State-of-the-Art Stance-Based Fake News on Social Media. 20th International Conference on Advances in ICT for Emerging Regions, ICTer 2020 - Proceedings, 23–28. https://doi.org/10.1109/ICTer51097.2020.9325477

Yunanto, R., Purfini, A. P., & Prabuwisesa, A. (n.d.). Jurnal Manajemen Informatika (JAMIKA) Survei Literatur: Deteksi Berita Palsu Menggunakan Pendekatan Deep Learning. https://doi.org/10.34010/jamika.v11i2.493

Arbain, A., Muhammad, M. A., Septiana, T., & Septama, H. D. (2022). LEARNING HOAX NEWS PADA LOCAL DAN CLOUD COMPUTING DEPLOYMENT MENGGUNAKAN GOOGLE APP ENGINE. Jurnal Informatika Dan Teknik Elektro Terapan, 10(3). https://doi.org/10.23960/jitet.v10i3.2646

Kurniawan, A. A., & Mustikasari, M. (2020). Implementasi Deep Learning Menggunakan Metode CNN dan LSTM untuk Menentukan Berita Palsu dalam Bahasa Indonesia. 5(4), 2622–4615. https://doi.org/10.32493/informatika.v5i4.7760

Isa, S. M., Nico, G., & Permana, M. (2022). INDOBERT FOR INDONESIAN FAKE NEWS DETECTION. ICIC Express Letters, 16(3), 289–297. https://doi.org/10.24507/icicel.16.03.289

Hutama, L. B., & Suhartono, D. (2022). Indonesian Hoax News Classification with Multilingual Transformer Model and BERTopic. Informatica (Slovenia), 46(8), 81–90. https://doi.org/10.31449/inf.v46i8.4336

Goonathilake, M. D. P. P., & Kumaral, P. P. N. V. (2020). CNN, RNN-LSTM Based Hybrid Approach to Detect State-of-the-Art Stance-Based Fake News on Social Media. 20th International Conference on Advances in ICT for Emerging Regions, ICTer 2020 - Proceedings, 23–28. https://doi.org/10.1109/ICTer51097.2020.9325477.

Published
2024-04-01