<![CDATA[Berita Hoaks di media sosial semakin mengkhawatirkan,terutama pada saat pemilu, di mana informasi ini dapatmempengaruhi opini publik dan mengganggu integritaspemilu. Penelitian ini bertujuan untuk mengembangkansistem deteksi hoaks menggunakan metode Bayesian NeuralNetwork (BNN) yang dioptimalkan dengan teknik Termfrequency-Inverse Document frequency (TF-IDF). Hasilpengujian menunjukkan bahwa sistem ini berhasil mencapaiakurasi tinggi dalam mengklasifikasikan berita hoaks dannon-hoaks. Dibandingkan dengan penelitian lain, sepertimenggunakan metode K-Nearest Neighbor (K-NN) mencapaiakurasi 85%, Naïve Bayes dengan akurasi 82,6%, danpenelitian data mining menggunakan TF-IDF mencapaiakurasi rendah 57%. Dengan menggunakan metode inimengklasifikasi berita hoaks secara otomatis denganmemanfaatkan distribusi probabilistik untuk meningkatkanakurasi deteksi. Pengujian ini berhasil mendapatkan akurasidengan fitur TF-IDF mencapai 85,71%, fitur Word2Vecmencapai akurasi tinggi yaitu 90,24%, dan fitur BERTmendapatkan akurasi rendah 75,27%. Penelitian inidiharapkan dapat menjadi referensi bagi pengembanganlebih lanjut dalam sistem deteksi hoaks dan meningkatkankesadaran masyarakat akan pentingnya verifikasi informasi. Kata kunci: hoaks, bayesian neural network (BNN), pemilu 2024,media sosial, TF-IDF.]]>
Copyrights © 2025
