KOMPUTASI HUMOR, STUDI KASUS BERITA HOAKS

Hoax adalah informasi berbahaya yang menyesatkan persepsi manusia.
Dengan penyebarannya yang begitu pesat dikhawatirkan dapat
menimbulkan keresahan ddan permusuhan ditengah masyarakat. Tujuan
dari penelitian ini adalah membuat sebuah pemodelan untuk merubah
berita hoaks menjadi humor. Pemodelan ini menggunakan teknik web
scrapping dalam pengambilan data hoaks dan corpus humor, kemudian
menerapkan tahapan text mining yaitu tahapan preprocessing yang
meliputi tokenizing, stopwords, dan stemming. Selanjutnya dilakukan
tahapan pembobotan kata (TF-Idf) dan menghitung tingkat kemiripan
antar dua dokumen dengan menggunakan metode cosine similarity. Data
yang digunakan pada penelitian ini adalah 50 data hoaks dan 182 corpus
data humor untuk dilakukan pencocokkan data menggunakan algoritma
cosine similarity. Hasil pengujian Normalized Discounted Cumulative Gain
(nDCG) didapatkan skor teringgi yaitu 0,696. Serta ditemukan 7 (tujuh)
data hoaks yang tidak memiliki relevansi dengan corpus data humor.