Bayhaqi, Ahmad Rizal
Departemen Statistika Bisnis Institut Teknologi Sepuluh Nopember Surabaya

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Penerapan Multimodel Deep Learning dalam Pendeteksian Berita Hoaks Laman “Turnbackhoax.Id” Menggunakan Arsitektur CNN Bayhaqi, Ahmad Rizal; Dewi, Mukti Ratna; Habibi, Mochammad Reza
Jurnal Sains dan Seni ITS Vol 13, No 5 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i5.151543

Abstract

Meningkatnya penyebaran berita hoaks memicu ke-butuhan publik untuk mengatasi permasalahan tersebut. Ma-syarakat Anti Fitnah Indonesia (Mafindo), sebagai komunitas independen, berupaya memberikan edukasi dan identifikasi terkait berita hoaks. Meski demikian, proses verifikasi berita yang masih manual dan tidak cukup efektif mengingat jumlah berita hoaks yang tersebar cepat dan dalam jumlah besar. Oleh karena itu, penelitian dilakukan untuk membangun model machine learning menggunakan deep learning, khususnya con-volutional neural network (CNN), dalam mengklasifikasikan berita hoaks secara cepat dan otomatis. Penggunaan CNN ber-basis data teks dan gambar telah menunjukkan performa kla-sifikasi yang baik, terutama ketika kedua data digabungkan da-lam multimodel deep learning. Multimodel deep learning atau model CNN gabungan, menggabungkan model CNN berbasis teks (CNN 1D) dan gambar (CNN 2D) yang menunjukkan ki-nerja lebih baik dibandingkan dengan model tunggal (uni-model). Model tersebut kemudian dilatih dengan 3.103 data training dan 775 data testing dan diperoleh nilai akurasi 99,35% dan AUC 99,81%. Hasil evaluasi menunjukkan kinerja yang baik dalam mengklasifikasikan berita hoaks di dalam dan di luar model.