Font Size: 

Berita palsu menjadi masalah yang harus mendapat perhatian khusus. Media sosial, menjadi salah satu sarana yang mudah untuk menyebarkan suatu informasi yang belum tentu benar. Diperlukan teknik untuk mendeteksi berita palsu salah satunya dengan deteksi sikap (stance detection). Stance detection berfokus pada sikap penulis teks dalam menanggapi suatu klaim informasi, apakah sikap tersebut mendukung (for), menentang (against), atau netral (observant). Salah satu metode untuk memproses data teks berdasarkan stance detection adalah Recurrent Neural Network (RNN) dengan algoritme Gated Recurrent Unit (GRU). Secara singkat, RNN adalah salah satu bagian dari keluarga Neural Network untuk memproses data yang bersambung (sequential data). Cara yang dilakukan RNN untuk dapat menyimpan informasi dari masa lalu adalah dengan melakukan looping di dalam arsitekturnya, yang secara otomatis membuat informasi dari masa lalu tetap tersimpan. Kelebihan GRU yaitu memiliki sedikit parameter, memiliki kemampuan yang lebih baik dalam menangani long-term dependencies dan membuatnya sesuai untuk melakukan tugas seperti stance detection, serta memiliki kemampuan dalam mengatasi data yang hilang dibandingkan dengan algoritme lain pada RNN. Berdasarkan hal tersebut, penelitian ini bertujuan untuk melakukan kajian tentang algoritme GRU dalam melakukan stance detection.

stance detection, RNN, GRU, vanishing gradient, long-term dependencies