Skip to content

Latest commit

 

History

History
74 lines (60 loc) · 4.09 KB

README.md

File metadata and controls

74 lines (60 loc) · 4.09 KB
Raw

Deteksi-Berita-Palsu-dengan-Python

Penerapan TF-IDF Vectorizer dan Passive Aggressive Classifier dalam pendeteksian berita palsu dengan Python.

Sebelumnya, percobaan ini telah dilakukan oleh Data-Flair.

Saya melakukan percobaan ini dengan menggunakan Google Colaboratory.

Hasil percobaan yang saya lakukan dapat dilihat di sini.

TF-IDF Vectorizer

  • TF atau term frequency adalah skema pembobotan yang digunakan untuk menentukan relevansi dokumen dengan sebuah term (kata). TF menentukan bobot relevansi sebuah dokumen dan term berdasarkan frekuensi kemunculan term pada dokumen terkait. [1]
  • IDF atau Inverse Document Frequency merupakan jumlah dokumen di mana terdapat term yang bersangkutan. IDF mengurangi bobot TF suatu term dengan membaginya dengan frekuensi term terhadap koleksi dokumen (DF). Jadi sebuah term yang memiliki bobot TF yang besar namun dengan bobot DF yang besar pula tidak akan memiliki pengaruh yang besar dalam menentukan sebuah relevansi. [1]

Passive Aggressive Classifier

  • Passive Aggressive Classifier adalah algoritma pembelajaran online di mana kita melatih sistem secara bertahap. Model dilatih dan diterapkan dalam produksi dengan cara yang terus dipelajari saat kumpulan data baru tiba. [2]
  • Algoritma berkerja secara Pasif jika prediksinya benar. Algoritma akan mempertahankan model dan tidak lakukan perubahan apa pun. Hal ini karena data dalam contoh tidak cukup untuk menyebabkan perubahan dalam model.
  • Algoritma berkerja secara Agresif jika prediksi salah. Algoritma akan melakukan perubahan pada model.

Data

  • Dataset yang digunakan pada percobaan ini yaitu contoh-berita.csv yang terdapat dalam file dataset.rar
  • Dataset ini memiliki bentuk 6335×4
  • Kolom pertama merupakan identifikasi berita, kolom kedua berisi judul, kolom ketiga berisi teks dari berita, dan kolom keempat berisi label yang menunjukkan apakah berita tersebut nyata (REAL) atau palsu (FAKE)

Langkah Percobaan

Berikut merupakan langkah-langkah yang dilakukan dalam percobaan ini.

  1. Melakukan import semua Library yang diperlukan;
  2. Membaca data dan mengubahnya ke dalam dataframe dengan pd.read_csv();
  3. Menampilkan shape dan lima baris data pertama dataset;
  4. Menampilkan label-label dari lima baris data pertama dataset;
  5. Membagi dataset menjadi training dan testing sets;
  6. Melakukan inisialisasi TfidfVectorizer
tfidf_vectorizer = TfidfVectorizer(stop_words='english', max_df=0.7)
  1. Fit dan transform train set, transform test set
tfidf_train = tfidf_vectorizer.fit_transform(x_train) 
tfidf_test = tfidf_vectorizer.transform(x_test)
  1. Melakukan inisialisasi PassiveAggressiveClassifier
pac = PassiveAggressiveClassifier(max_iter=50)
pac.fit(tfidf_train, y_train)
  1. Melakukan prediksi test set dan kalkulasi keakuratan
y_pred = pac.predict(tfidf_test)
score = accuracy_score(y_test, y_pred)
print(f'Akurasi : {round(score*100,2)}%')

Output:
Akurasi : 92.82%
  1. Membuat confusion matrix
confusion_matrix(y_test,y_pred, labels = ['FAKE','REAL'])

output:
array([[589,  49],
       [ 42, 587]])

Conclusion

Dari hasil percobaan yang dilakukan, diketahui akurasi sebesar 92.82%. Nilai tersebut merupakan persentase dari berita yang benar diprediksi palsu maupun yang nyata dari kesuluruhan berita yang ada. Kemudian jika dilihat dari confusion matrix yang dihasilkan, dapat diketahui bahwa:

  • Dari 631 berita palsu, model memprediksi ada 42 berita yang diprediksi nyata (False Negatif).
  • Dari 636 berita nyata, model memprediksi ada 49 berita yang diprediksi palsu (False Positive).

Daftar Pustaka

[1] Prasetia Utama. 2016. "TF-IDF VSM Menggunakan Python".

[2] Aman Kharwal. 2021. "Pengklasifikasi Agresif Pasif dalam Pembelajaran Mesin".

[3] alokesh985. 2020. "Passive Aggressive Classifiers".