Klasifikasi Subjektif Berita Menggunakan Algoritma Machine Learning

Abstract

Teknologi informasi telah mengubah penyebaran berita, dengan akses yang lebih mudah melalui media elektronik . Dalam era digital ini, semakin banyak berita yang tersebar di internet, dengan sifat berita yang dapat dibedakan menjadi objektif dan subjektif. Berita subjektif sering kali mengandung pendapat atau keyakinan pribadi penulis, sementara berita objektif menyajikan fakta secara netral. Dengan tingginya volume berita, klasifikasi manual menjadi tidak efisien. Oleh karena itu, penerapan algoritma machine learning seperti Naïve Bayes, Decision Tree, Support Vector Machine (SVM), dan Logistic Regression. Proses penelitian meliputi pengumpulan data, representasi teks dengan TF-IDF ,pembelajaran model dan evaluasi. Dengan dataset 3.000 berita, model diuji menggunakan akurasi, presisi, recall, dan F1-Score. Penelitian ini bertujuan untuk mengembangkan sistem yang dapat membantu masyarakat membedakan antara berita subjektif dan objektif melalui penerapan machine learning. Berdasarkan hasil pengujian, model yang diterapkan memberikan akurasi yang bervariasi, dengan model Support Vector Machine menunjukkan performa terbaik. Hasil penelitian ini diharapkan dapat berkontribusi dalam pengembangan teknologi serta membantu masyarakat dalam memilah berita yang mereka terima untuk mengurangi dampak penyebaran informasi yang salah atau bias.