Identifikasi Judul Clickbait pada Berita Bahasa Indonesia Menggunakan Gated Recurrent Unit

Abstract

News as a form of information is an inseparable part of human life. The spread of news is currently growing rapidly along with the development of the internet and digital media. News is no longer only channeled through conventional media but also online media. Online news providers benefit by placing advertisements on news sites that are displayed. To gain trust in these advertisements, high and stable visitor traffic is required. One way that is done to attract the attention of visitors is the use of Clickbait titles. Clickbait is a news headline that is made to attract attention and readers so they don't want to miss the news headline. But often the title of Clickbait view is such that the content of the news delivered does not match the expectations of the reader and causes the reader to receive wrong information. This study aims to identify Clickbait and Non-Clickbait news titles automatically using the Gated Recurrent Unit and word embedding fastText. The research was conducted using 8,613 Indonesian news headlines. The level of accuracy obtained from the model built in this study is 0.88 and the loss is 0.31.

Berita sebagai salah satu bentuk informasi merupakan hal sangat penting dan tidak dapat dipisahkan dari kehidupan manusia saat ini. Penyebaran berita turut berkembang pesat seiring dengan perkembangan internet dan media digital. Berita tidak lagi hanya disalurkan melalui media konvensional melainkan juga melalui media online. Penyedia berita online mendapatkan keuntungan melalui pemasangan iklan disitus berita yang ditampilkan. Untuk mendapatkan kepercayaan terhadap pemasangan iklan tersebut diperlukan traffic pengunjung yang tinggi dan stabil. Salah satu cara yang umum dilakukan untuk menarik pengunjung yaitu penggunaan judul Clickbait. Umpan klik (Clickbait) merupakan judul berita yang dibuat untuk menarik perhatian dan emosi pembaca sehingga tidak ingin melewatkan judul berita tersebut. Namun seringkali, judul Clickbait dimodifikasi sedemikian rupa sehingga isi berita yang disampaikan tidak sesuai dengan harapan pembaca dan menyebabkan pembaca menerima informasi yang salah. Penelitian ini dilakukan dengan tujuan untuk mengidentifikasi judul berita Clickbait dan Non-Clickbait secara otomatis dengan menggunakan Gated Recurrent Unit dan word embedding fastText. Penelitian dilakukan menggunakan 8.613 data judul berita berbahasa bahasa Indonesia. Tingkat akurasi yang didapatkan dari model yang dibangun pada penelitian ini yakni sebesar 0.88 dan loss sebesar 0.31.