KLASIFIKASI BERITA PALSU BERBAHASA INGGRIS MENGGUNAKAN METODE RANDOM FOREST DAN NAIVE BAYES

CLASSIFICATION OF FAKE NEWS IN ENGLISH USING RANDOM FOREST ANDA NAIVE BAYES

Penyebaran informasi yang cepat dan tanpa penyaringan dapat mengakibatkan persepsi yang salah dan dampak negatif terhadap masyarakat. Harapan riset ini yaitu gna mengevaluasi serta membandingkan kinerja 2 metode klasifikasi, antaranya Random Forest serta Naïve Bayes, pada pengidentifikasian berita palsu. Dengan menggunakan empat skenario berbeda untuk setiap metode, penelitian ini memperoleh hasil akurasi yang signifikan. Metode Random Forest menunjukkan tingkat akurasi yang sangat tinggi, mencapai 99% dalam pengklasifikasian berita palsu. Sementara itu, Naïve Bayes mencapai tingkat akurasi sebesar 93%. Analisis hasil eksperimen menunjukkan bahwa Random Forest lebih efektif dalam menangani kompleksitas dan variasi dalam data berita palsu, yang tercermin dalam akurasi yang konsisten tinggi pada semua skenario. Sehingga, bisa ditarik hasil akhir Random Forest adalah metode yang lebih efisien dan andal dalam mendeteksi berita palsu dalam konteks penelitian ini. Temuan ini dapat menjadi dasar untuk pengembangan lebih lanjut dalam upaya menghadapi penyebaran berita palsu di era informasi digital.

Kata Kunci— Klasifikasi, Machine Learning, Random Forest, Naïve Bayes, Python

        Dissemination of information quickly and without filtering can result in wrong perceptions and negative impact on society. The aim of this research is to evaluate and compare the performance of two classification methods, including Random forest and Naive Bayes, inidentifying fake news. By using four different scenarios for each method, this reserch obtained significant accuracy results. the Random Forest method show a very high level of accuracy, reaching 99% in classifying fake news. Meanwhile , Naive Bayes achieved anaccuracy rate of 93%. Analysis of experimental results shows that Random Forest is more effective in dealing with complexity and vaiation in fake news data, whitch is reflected in consistently high accuraracy across all scenarios. So it can be concluded that Random Forest is a more efficient and reliable method for detecting fake newsin the context of thi research . These findings can be the basis for further development in efforts to deal with the spread of fake news in the digital informaton era.

keyword-- classification, machine learning, random forest, naive bayes, python