Analisa Pengaruh Pre-Procesing Data Untuk Model Deteksi Akun Palsu Pada Media Sosial

Abstract

Media sosial telah menjadi bagian penting dalam interaksi Masyarakat yang dapat berdampak positif maupun negative. Salah satu media sosial yang banyak digunakan adalah media sosial X. Para pengguna media sosial dihadapkan pada masalah yang muncul diantaranya adalah adanya akun palsu yang dapat merusak reputasi peguna dan menyebarkan informasi salah (hoax). Untuk mengatasi masalah tersebut penelitian ini mengumpulkan data melalui API Twitter sebanyak 1240 tweet dan membahas berbagai teknik pre-processing yang diperlukan, seperti pembersihan data, normalisasi, dan pelabelan. Hasil analisis menunjukkan bahwa model yang diterapkan setelah pre-processing mencapai akurasi 99,36%, dengan precision dan recall yang tinggi untuk kedua kelas akun. Sebaliknya, model tanpa pre- processing hanya mencapai akurasi 95,45%, menunjukkan penurunan dalam kemampuan deteksi. Hal ini memberikan gambaran pentingnya pre-processing data dalam pengembangan model machine learning untuk deteksi akun palsu. Penelitian ini diharapkan dapat memberikan kontribusi terhadap pendekatan yang lebih efektif dalam mengidentifikasi akun palsu di platform media sosial.