Article Per Year (5 Year)
p-Index From 2021 - 2026
2.42
P-Index
This Author published in this journals
All Journal Jupiter Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Syntax Literate: Jurnal Ilmiah Indonesia Jurnal Sains dan Informatika Jurnal Cendikia JSAI (Journal Scientific and Applied Informatics) Zonasi: Jurnal Sistem Informasi Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) Informanika Jurnal Pengembangan Sistem Informasi dan Informatika JITSI : Jurnal Ilmiah Teknologi Sistem Informasi Jurnal Informatika: Jurnal Pengembangan IT Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer JCOSIS (Journal Computer Science and Information Systems)
Fitri Purwaningtias
Universitas Bina Darma
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Social Sciences Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
Explainable Transformer-Based Fake News Detection pada Media Sosial Indonesia Menggunakan IndoBERT dan SHAP Fitri purwaningtias
JCOSIS (Journal Computer Science and Information Systems) Vol. 3 No. 1 (2026): May
Publisher : Institute for Research and Community Service

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61567/jcosis.v3i1.277

Abstract

Tujuan : Perkembangan media sosial di Indonesia meningkatkan penyebaran informasi secara cepat, namun juga memicu meningkatnya penyebaran berita palsu (fake news) yang berdampak pada opini publik dan stabilitas sosial. Penelitian ini bertujuan membangun sistem deteksi fake news berbasis Explainable Transformer menggunakan IndoBERT dan SHAP pada media sosial Indonesia. Dataset penelitian diperoleh dari Indonesian Hoax News Dataset, Kaggle Indo Fake News Dataset, dan data Twitter/X Indonesia dengan total 18.450 data teks. Metode/Design/Pendekatan: Metode penelitian meliputi preprocessing teks, tokenisasi, stemming, pelatihan model IndoBERT, evaluasi performa menggunakan confusion matrix, serta interpretasi model menggunakan SHAP (SHapley Additive exPlanations). Hasil/Temuan: Hasil penelitian menunjukkan bahwa model IndoBERT memperoleh accuracy sebesar 94,21%, precision sebesar 93,84%, recall sebesar 94,67%, F1-score sebesar 94,25%, dan ROC-AUC sebesar 95,11%. Visualisasi SHAP menunjukkan bahwa token seperti “viral”, “sebarkan”, dan “bocor” memiliki kontribusi tinggi terhadap prediksi fake news, sedangkan token “resmi” dan “klarifikasi” berkontribusi terhadap prediksi real news. Kebaharuan/Originalitas/Nilai: Penelitian ini membuktikan bahwa integrasi IndoBERT dan Explainable AI mampu meningkatkan akurasi sekaligus transparansi sistem deteksi berita palsu pada media sosial
Co-Authors Afriyudi Amalia , Rahayu Anwar Aji Safii Berliana Irmadiani Chairul Mukmin Edi Supratman Edi Supratman Evi Yulianingsih Fatmasari Fatmasari Febi Franata Hadi Syaputra Hadi Syaputra Ira Maretta Maria Ulfa Muhamad Diki Muhammad Adji Arrafi muhammad alfandy romadhon Nadia Elfa Defiyanti Nyimas Sopiah Suhardiman Suhardiman Suyanto Suyanto Taqrim Ibadi Usman Ependi