<![CDATA[Abstrak. Tujuan : Berita hoaks sering kali dibuat dengan tujuan tertentu, seperti manipulasi politik, penipuan finansial, atau sekadar menyebarkan ketakutan di kalangan masyarakat. Oleh karena itu, diperlukan metode yang efektif untuk mendeteksi dan mengklasifikasikan berita yang valid dan yang bersifat hoaks. Metode/Design/Pendekatan: Natural Language Processing (NLP) telah menjadi salah satu solusi yang banyak digunakan dalam mendeteksi berita hoaks dengan menganalisis pola bahasa yang terkandung dalam teks. Berbagai teknik NLP seperti tokenisasi, stemming, analisis sentimen, dan word embeddings dapat membantu dalam memahami karakteristik linguistik dari berita hoaks. Selain itu, model pembelajaran mesin seperti Random Forest juga dapat digunakan untuk mengklasifikasikan berita berdasarkan fitur-fitur yang diekstrak dari teks. Hasil/Temuan: Berdsarkan masalah penelitian yang telah dibahas pada penelitian ini yaitu berita hoaks sering kali dibuat dengan tujuan tertentu, seperti manipulasi politik, penipuan finansial, atau sekadar menyebarkan ketakutan di kalangan Masyarakat. Maka dibutuhkannya analisis deteksi berita hoaks yang beredar pada media sosial dimana pada penelitian ini model deteksi berita hoaks menggunakan Random Forest dan teknik NLP (TF-IDF) menunjukkan performa yang tinggi dengan akurasi di atas 90%. Model ini mampu membedakan berita hoaks dan valid secara efektif dan dapat dijadikan dasar untuk pengembangan sistem deteksi otomatis di platform berita atau media sosial. Kebaharuan/Originalitas/Nilai: Menggunakan model Random Forest pada Natural Language Processing untuk mendeteksi berita hoaks yang beredar pada media social, dengan menggunakan data public.]]>
Copyrights © 2025
