IMPLEMENTASI ALGORITMA K-MEANS UNTUK CLUSTERING SOSIAL MEDIA DENGAN HOAKS PALING BANYAK

• WIDYA AMANDA PUTRI
• 2026

---

Penelitian ini bertujuan untuk mengimplementasikan algoritma K-Means Clustering dalam mengelompokkan platform media sosial berdasarkan tingkat penyebaran berita hoaks menggunakan dataset Indonesia False News Dataset 2025 yang diperoleh dari Kaggle. Metode penelitian mengacu pada tahapan Knowledge Discovery in Databases (KDD) yang meliputi seleksi data, preprocessing, transformasi, proses data mining, dan evaluasi. Fitur yang digunakan dalam proses klasterisasi adalah jumlah tayangan (views), suka (likes), komentar (comments), dan berbagi (shares) yang kemudian dihitung menjadi engagement rate sebagai indikator tingkat interaksi. Proses pengolahan data dilakukan menggunakan perangkat lunak Orange Data Mining dengan evaluasi jumlah klaster menggunakan silhouette score.

Hasil penelitian menunjukkan bahwa jumlah klaster optimal adalah dua (K=2). Klaster pertama berisi 74,76% data dengan karakteristik engagement rate relatif lebih rendah, sedangkan klaster kedua berisi 25,24% data dengan engagement rate lebih tinggi. Temuan ini mengindikasikan bahwa sebagian besar konten hoaks memiliki tingkat interaksi yang rendah, namun terdapat sebagian konten dengan tingkat interaksi tinggi yang berpotensi memiliki dampak penyebaran lebih luas. Penelitian ini diharapkan dapat memberikan gambaran pola penyebaran hoaks di media sosial serta menjadi referensi dalam upaya mitigasi penyebaran informasi palsu di Indonesia.

• Hoaks
• K-Means Clustering
• Engagement Rate
• Media Sosial
• Data Mining

https://repository.bsi.ac.id/repo/80841/IMPLEMENTASI-ALGORITMA-K-MEANS-UNTUK-CLUSTERING-SOSIAL-MEDIA-DENGAN-HOAKS-PALING-BANYAK
Anda dapat membaca file tugas akhir ini di repository.