ANALISIS HYBRID METODE CNN DAN LSTM DALAM MEDIA BERITA ONLINE INDONESIA
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.
Copyright (c) 2024 Ciptoningaji Guridno, Ariana Azimah, Sari Ningsih
This work is licensed under a Creative Commons Attribution 4.0 International License.
