IMPLEMENTASI DETEKSI BERITA CLICKBAIT BERBAHASA INDONESIA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE

Abstract

Abstrak
Berita online semakin populer seiring dengan peningkatan penggunaan internet di masyarakat. Namun, fenomena
clickbait muncul ketika banyak produsen berita menyesatkan pembaca dengan judul yang tidak relevan atau
sensasional. Judul-judul tersebut sering kali tidak mencerminkan isi konten secara akurat, sehingga mengecewakan
pembaca dan merusak reputasi media. Penelitian ini bertujuan untuk membangun sebuah sistem yang mampu
mendeteksi berita clickbait dan non-clickbait secara otomatis. Sistem ini diharapkan dapat membantu pembaca
mendapatkan informasi yang lebih akurat dan relevan serta meningkatkan kualitas berita online secara
keseluruhan. Metode yang digunakan dalam penelitian ini adalah Support Vector Machine (SVM). SVM dipilih
karena kemampuannya dalam mengidentifikasi hyperplane optimal yang memisahkan dua kelompok data, serta
dapat menangani masalah linier dan non-linier. Dengan menggunakan data latih terlabel, SVM akan menemukan
pola dalam fitur judul dan isi konten berita untuk melakukan klasifikasi antara clickbait dan non-clickbait. Dataset
yang terdiri dari 8.660 berita telah dianotasi, dengan 6.888 berita digunakan sebagai data latih dan 1.772 berita
sebagai data uji. Hasil evaluasi model menunjukkan akurasi sebesar 82%, precision 81%, recall 65%, dan F1-score
72%. Kinerja ini membuktikan bahwa metode SVM efektif dalam memisahkan berita clickbait dari non-clickbait,
yang pada akhirnya dapat membantu mengurangi penyebaran informasi yang menyesatkan di platform berita
online.