Pembuatan Convolutional Neural Network (CNN) dengan beberapa lapisan, termasuk lapisan embedding, lapisan konvolusi, dan lapisan dense.
6. Â Kompiler model
Model dikompilasi dengan menggunakan :
- optimizer 'adam' : bertujuan untuk mengoptimalkan parameter model sehingga model dapat belajar dari data dengan lebih efisien.
- fungsi kerugian 'binary_crossentropy' : digunakan untuk mengukur seberapa baik model memprediksi output dibandingkan dengan nilai sebenarnya. binary_crossentropy' digunakan dalam tugas klasifikasi biner. Ini adalah fungsi kerugian umum untuk tugas tersebut.
- Metric = ['accuracy'] : Metrics digunakan untuk mengevaluasi performa model selama pelatihan dan pengujian. 'accuracy' adalah metrik yang umum digunakan untuk tugas klasifikasi. Ini mengukur seberapa sering model memberikan prediksi yang benar.
7. Pengujian
Data teks (cv_train_reviews) dan mencoba untuk memprediksi label yang sesuai (y_train) selama lima kali proses belajar. Tujuannya adalah agar model dapat mengenali pola dalam data dan menjadi lebih baik dalam memprediksi jawaban yang benar.
8. Â Prediksi dan Akurasi
- Di fase ini dilakukan prediksi dan akurasi, Â Hasil prediksi dari model dibandingkan dengan nilai batas tertentu, yaitu 0.9999. Prediksi yang lebih besar dari nilai ini akan dianggap sebagai True (benar), dan yang kurang dari atau sama dengan nilai ini akan dianggap sebagai False (salah).
- Data nilai akurasi dari model pada data uji, yang memberikan gambaran seberapa baik model tersebut dapat memprediksi jawaban yang sebenarnya. Semakin tinggi nilai akurasi, semakin baik model tersebut dalam memprediksi data yang belum pernah dilihat sebelumnya.
9. Confusion Matrix
Berikut diatas merupakan penjelasan mengenai algoritma CNN untuk klasifikasi berita hoax, untuk bentuk kode nya anda dapat mengujungi laman kaggle saya  https://www.kaggle.com/code/rein0706/fake-news-detection-using-cnn.
