Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Skripsi ini membahas tentang studi terhadap pengendalian sosial kejahatan siber hoax yang dilakukan oleh Komunitas Masyarakat Anti Fitnah Indonesia atau MAFINDO. Studi dilakukan dengan wawancara mendalam kepada beberapa anggota presidium, manajemen, dan relawan MAFINDO, serta pihak eksternal yang merupakan ahli di bidang identifikasi hoax di ruang digital. Penelitian ini berusaha menganalisis bagaimana peran aktivitas dan inisiatif yang dilakukan oleh MAFINDO dari sudut pandang konsep teori transisi ruang, pengendalian sosial informal, dan pemolisian komunitas. Hasil dari penelitian ini menemukan bahwa fact-checking journalism, hoax debunking, pengembangan teknologi, edukasi literasi, dan aktivasi komunitas MAFINDO adalah bukti dari transisi ruang dari fisik ke digital tidak hanya terjadi pada kejahatan, tetapi juga pengendaliannya. Kesimpulan yang didapatkan oleh peneliti terkait bagaimana MAFINDO dapat terus berjalan sebagai komunitas sekaligus meningkatkan kapabilitas operasional lewat pembentukan entitas legal media resmi dapat menjadi landasan bagi implementasi untuk inisiatif pemeriksaan fakta dan penangkalan hoax selanjutnya. ...... This undergraduate thesis discusses the study of social control of hoax cyber crimes carried out by the Indonesian Anti-Defamation Community or MAFINDO. The study was conducted using in-depth interviews with several of MAFINDO's presidium members, management, volunteers, and external parties who are experts in identifying hoaxes in the digital space. This study seeks to analyze the role of activities and initiatives carried out by MAFINDO from the point of view of the concept of spatial transition theory, informal social control, and community policing. This study found that fact-checking journalism, debunking hoaxes, technology development, literacy education, and MAFINDO community activation are evidence of the spatial transition from physical to digital, not only occurring in crime but also its control. The conclusions reached by researchers regarding how MAFINDO can continue to operate as a community while simultaneously increasing its operational capabilities through establishing an official legal media entity can become the basis for implementing further fact-checking initiatives and hoax countermeasures.

Abstrak :
Di tengah perkembangan era digital, pertukaran informasi dapat dilakukan dengan mudah melalui Internet khususnya media sosial. Meskipun demikian, informasi yang tersebar seringkali tidak mudah untuk dibuktikan kebenarannya sehingga menjadi sangat rentan terhadap penyebaran berita palsu (hoax). Untuk mengatasi hal tersebut, teknologi Blockchain dapat digunakan sebagai sebuah solusi yang mampu menjamin kredibilitas informasi serta menciptakan lingkungan komunikasi yang terpercaya. Pada penelitian ini, pendekatan berbasis Blockchain diterapkan melalui sistem verifikasi berita untuk mengidentifikasi kebenaran berita dan menyeleksi sumber informasi yang dapat dipercaya. Studi ini mengusulkan sebuah model penyebaran berita di media sosial dengan mengadaptasi prinsip epidemi dan jaringan scale-free. Pengguna dikelompokkan ke dalam empat kondisi status yaitu rentan (ignorants), pemeriksa (verifier), penyebar (spreader), dan penyangkal (stifler). Kemudian, pada model tersebut diintegrasikan sistem verifikasi berita berbasis Blockchain. Efektifitas model diselidiki di dalam simulasi berbasis multi-agen menggunakan software Netlogo. Di dalam simulasi, berita palsu dengan tingkat kebenaran berita 20% memperoleh nilai indikator kredibilitas atau credibility indicator (CI) yang rendah (CI ± 1,5 dari 5) untuk seluruh dimensi jaringan yang berbeda-beda. Penyebaran terhenti lebih cepat karena penyebar berita (spreader) lebih sedikit dibandingkan dengan penyangkal berita (stifler). Selain itu, kredit reputasi atau reputation credit (RC) yang dimiliki sumber berita semakin menurun (RC ± 0,12 dari 1) sehingga mengurangi faktor kepercayaan. Dengan memperlihatkan catatan nilai indikator kredibilitas dan kredit reputasi kepada pengguna selama penyebaran berita, sistem verifikasi berita berbasis Blockchain dapat membatasi penyebaran berita palsu secara efektif serta meningkatkan kualitas konten di media sosial. ......In recent digital era, information exchange can be done easily through Internet and social media. However, the thruth of news in social media is hard to be proven, and becomes vulnerable toward hoax spreading. As a solution, Blockchain technology can be used to ensure the information reliablility and create trusted communication environment. In this research, Blockchain-based approach is implemented through a news verification system to identify the credibility of news and the sources. This study proposed a model of news spreading in social media by adapting epidemic methodology and scale-free networks. Users is categorized into for state condition tha are ignorants, verifier, spreader, and stifler. Subsequenty, Blokchain-based news verification system is integrated in that model. The model effectiveness is investigated in the multi-agent based simulations using Netlogo software. In the simulations, hoax news with 20 % of true level get a low Credibility Indicator (CI ± 1.5 of 5) for all different network dimensions. The spreading is stopped faster since the number of spreader is less than the stifler. Moreover, the Reputation Credit of the news source is also decreased (RC ± 0,12 of 1) so that the trust factor reduced. By showing the record of credibility indicator and reputation credit to users during the spread of the news, Blockchain-based news verification system can effectively limit hoax spreading and improve the quality of content in social media.

Abstrak :
Berita palsu memiliki peranan yang besar terkait penyebaran informasi yang salah terhadap para pembacanya. Informasi yang salah dapat mempengaruhi persepsi atau dapat menimbulkan bias pada pemahaman hingga dapat mengubah pilihan seseorang dalam pengambilan keputusan. Kesalahan persepsi atau bias dalam pengambilan keputusan ini berpotensi menimbulkan konflik pada masyarakat. Dewasa ini, penyebaran berita palsu kian meningkat seiring berkembangnya media penyampaian informasi dalam bentuk daring atau online. Makin maraknya penyebaran berita palsu ini membuat perlunya dibangun suatu sistem yang dapat mendeteksi keberadaan berita palsu sehingga dapat meminimalisir dampak yang mungkin ditimbulkan. Permasalahan pendeteksian berita palsu ini merupakan permasalahan klasifikasi teks binomial yang mengelompokkan suatu konten berita menjadi berita asli atau berita palsu. Penelitian terkait pendeteksian berita palsu ini telah banyak dilakukan sebelumnya terutama dengan menggunakan pendekatan analisis pola tekstual pada konten berita. Namun pendekatan ini memiliki keterbatasan ketika produsen dari konten berisikan berita palsu memiliki kemampuan dalam mereplikasi pola tekstual tertentu yang menjadi ciri dari berita asli sehingga dapat mengelabuhi model prediksi yang digunakan. Penilaian kredibilitas sumber berita dapat dijadikan fitur tambahan selain fitur berupa pola tekstual. Sumber berita dengan kredibilitas yang baik memiliki kecenderungan dalam menghasilkan konten berita yang valid atau dapat dipercaya. Sebaliknya, sumber berita dengan kredibilitas yang buruk cenderung menghasilkan konten berita palsu atau menyesatkan. Penelitian ini menggunakan suatu sistem klasifikasi teks binomial untuk mendeteksi berita palsu melalui kombinasi metode analisis pola tekstual dengan kredibilitas sumber berita sebagai fitur tambahan. Algoritma yang digunakan penulis meliputi Multinomial Naive Bayes (MNB), Logistic Regression (LR), Support Vector Machine (SVM) dan Random Forest Decision Tree (RFDT) yang merupakan algoritma Machine Learning serta beberapa algoritma Deep Learning seperti Convolutional Neural Network (CNN), Long Short Term Memory (LSTM) serta kombinasi dari kedua algoritma tersebut. Penulis juga menggunakan metode Word Embedding Bahasa Indonesia sebagai penunjang penggunaan metode Deep Learning. Hasil dari percobaan menunjukan klasifikasi dengan CNN pada skenario fitur pernyataan dikombinasikan dengan fitur info redaksi menghasilkan F1-Score tertinggi sebesar 0.9354 atau sekitar 93%. ......Fake news has a big role in spreading misinformation to its readers. Incorrect information can affect perceptions or can cause bias in understanding so that it can change a person's choices in decision making. Misperceptions or biases in making these decisions have the potential to cause conflict in the community. Today, the spread of fake news is increasing along with the development of information delivery media online or online. The more widespread the spread of fake news makes it necessary to build a system that can detect fake news to minimize the impact that may be caused. The problem of detecting fake news is classifying binomial text, which groups news content into original news or fake news. Many studies related to detecting fake news have been carried out before, especially by using a textual pattern analysis approaches on news content. However, this approaches has limitations when producers of content containing fake news have the ability to replicate certain textual patterns that characterize real news so that it can fool the predictive model used. Assessment of the credibility of news sources can be used as an additional feature in addition to features in the form of textual patterns. News sources with good credibility have a tendency to produce news content that is valid or trustworthy. On the other hand, news sources with poor credibility tend to produce false or misleading news content. This research uses a binomial text classification system to detect fake news using a combination of textual pattern analysis methods with news source credibility as an additional feature. The algorithms that will be used by the author include Multinomial Naive Bayes (MNB), Logistic Regression (LR), Support Vector Machine (SVM) and Random Forest Decision Tree (RFDT), which are Machine Learning algorithms as well as several Deep Learning algorithms such as Convolutional Neural Network (CNN) , Long Short Term Memory (LSTM) and the combination of the two algorithms. The author will also use the Indonesian Word Embedding method to support the use of the Deep Learning method. The results of the experiment show that classification with CNN in the statement feature scenario combined with the editorial info feature produces the highest F1-Score of 0.9354 or around 93%.

Abstrak :
Jumlah berita palsu semakin banyak ditemukan di media sosial dan aplikasi chatting, khususnya ketika pandemi COVID-19 sejak 2020 silam. Berbagai usaha untuk mengangani berita palsu oleh pemerintah dan pengembang telah dilakukan, akan tetapi tidak sepenuhnya menghentikan munculnya berita palsu. Melihat masih sulitnya untuk menangani berita palsu, kemampuan membedakan berita palsu sangat diperlukan oleh individu untuk menghindari kesalahpahaman, hingga kerugian. Kemampuan membedakan berita dipengaruhi oleh tipe proses kognitif individu, yakni individu yang menggunakan otomatis atau heuristik cenderung gagal dalam membedakan berita palsu. Afek juga berpengaruh pada kemampuan membedakan berita palsu, semakin intens afek yang tengah dialami individu akan memperburuk kemampuan membedakan berita palsu. Berdasarkan hal ini, dilakukan penelitian hubungan tipe proses kognitif yang dimoderasi oleh afek pada kemampuan membedakan berita palsu. Ketiga variable diuji dengan menggunakan alat ukur Cognitive Reflection Test (CRT), Positive Affect Negative Affect Scale (PANAS), serta 12 berita palsu dan 8 berita asli yang dari situs berita tepercaya dan situs klarifikasi berita palsu. Patisipan penelitian merupakan Warga Negara Indonesia berusia minimal 18 tahun (N=147) dan menggunakan media sosial atau aplikasi chatting. Pengolahan data statistic menggunakan multiple linear regression analysis di aplikasi SPSS versi 25. Hasil pengolahan data menunjukkan baik afek negatif ataupun positif tidak memoderasi tipe proses kognitif dalam membedakan berita palsu, namun pendapatan dan jenis kelamin signfikan pada kemampuan membedakan berita palsu. Hasil penelitian tidak signifikan karena jumlah partisipan yang sedikit serta minim variasi pada demografi partisipan, yakni seluruh partisipan setidaknya telah menamatkan Sekolah Menengah Atas (SMA). Memperluas serta memperbanyak jumlah partisipan sangat disarankan untuk penelitian selanjutnya. ......An increasing number of fake news were found on social media and chat applications, especially during the COVID-19 pandemic. Various efforts to deal with fake news by governments and developers have been made, but that does not really stop fake news from circulating in social media. Seeing that it is still difficult to deal with fake news, the ability to distinguish fake news is very much needed by individuals to avoid further misunderstandings that might lead to potential physical or mental loss. The ability to discern news is influenced by individual cognitive types, namely individuals who use type 1 or heuristics who are tend to fail in fake news discernment. Affect also change the ability to distinguish fake news, the stronger the emotions experienced by individuals will weaken the ability to distinguish fake news. A study was conducted on the relationship of emotion-moderated cognitive type to the ability to discriminate fake news. Cognitive types was measured by Cognitive Reflection Test (CRT), and using Positive Affect Negative Affect Scale (PANAS) for measuring emotion states. Twelve fake news and eight true news were assembled from reputable news sources and fake news clarification sites. Research participants are Indonesian citizens aged at least 18 years (N=147) and use social media or chat applications. Statistical data processing used multiple linear regression analysis in the SPSS version 25 application. The results of data processing showed that neither negative nor positive emotions moderated the cognitive type in fake news discernment. Gender and income was significant. The results of the study were not significant because the number of participants was small and there was minimal variation in participant demographics, that is, all participants had at least graduated from high school (SMA). Expanding and increasing the number of participants is highly recommended for further research.