<![CDATA[Penyebaran berita palsu (fake news) di platform media sosial telah menjadi ancaman serius bagi demokrasi, ketertiban umum, dan kredibilitas informasi, terutama karena kecepatan sebar dan kemudahan replikasi konten yang sering kali tidak dapat diimbangi oleh proses verifikasi manual . Penelitian ini bertujuan untuk mengeksplorasi dan mengevaluasi efektivitas penggunaan model bahasa berbasis Spanyol dalam mendeteksi berita palsu serta mendukung proses fact-checking di media sosial, khususnya di platform X (dahulu Twitter). Fokus utama adalah pada tantangan spesifik bahasa Spanyol yang kaya akan variasi linguistik, konteks sosial-budaya, serta karakteristik unik teks di media sosial seperti bahasa informal dan slang . Metodologi yang diulas dalam berbagai studi melibatkan penggunaan model transformer seperti BETO (BERT untuk Bahasa Spanyol), MarIA, RoBERTuito, BERTuit, dan BERTin, yang dilatih dan divalidasi menggunakan dataset dari platform fact-checking terakreditasi seperti Ecuador Chequea dan Ecuador Verifica . Hasil penelitian menunjukkan bahwa model yang dikhususkan untuk bahasa Spanyol, terutama MarIA, secara signifikan mengungguli model multibahasa generik dalam hal akurasi, presisi, recall, dan skor F1 untuk tugas klasifikasi berita palsu . Selain itu, pendekatan yang menganalisis fitur emosional dan linguistik (seperti sintaksis dan leksikal) terbukti efektif dalam mengidentifikasi pola-pola khas pada konten yang menyesatkan, dengan emosi negatif seperti kemarahan dan ketakutan sering muncul pada unggahan terkait hoaks . Penelitian ini menyimpulkan bahwa pengembangan dan penerapan model bahasa Spanyol yang spesifik dan peka konteks sangat krusial untuk membangun sistem deteksi berita palsu yang andal. Hal ini tidak hanya meningkatkan akurasi verifikasi tetapi juga berpotensi mempercepat kerja jurnalis dan fact-checker dalam menyaring informasi di era digital . Temuan ini membuka peluang untuk penelitian lebih lanjut dengan perluasan dataset dan eksplorasi arsitektur model yang lebih canggih.]]>
