<![CDATA[Penyebaran berita palsu (hoax) telah menjadi permasalahanserius yang mempengaruhi opini publik dan menciptakanpolarisasi di masyarakat. Penelitian ini bertujuan untukmendeteksi berita palsu menggunakan model RoBERTa yangdioptimalkan dengan tiga teknik word embedding. Wordembedding yang digunakan adalah RoBERTa, Word2Vec,dan GloVe. Dataset yang digunakan adalah "Indonesian factand hoax political news" yang diambil dari Kaggle, Datasetini memerlukan tahap pre-processing untuk membersihkanketidakkonsistenan data, seperti mengubah singkatanmenjadi kata lengkap dan menghapus tanda baca.Selanjutnya, dilakukan representasi teks menggunakan tigametode word embedding yaitu Word2Vec, GloVe, danRoBERTa. Proses pelatihan model dilakukan dengan validasisilang K-Fold untuk meningkatkan generalisasi model. Hasilpenelitian menunjukkan bahwa embedding RoBERTamencapai akurasi terbaik 96%, sedangkan word embeddingWord2Vec mendapatkan akurasi 94%. Word EmbeddingGlove menunjukkan performa paling rendah dengan akurasi51%. Penelitian ini membuktikan bahwa pemilihan teknikword embedding yang tidak tepat untuk model RoBERTadapat mengurangi akurasi dan efektivitas model dalammendeteksi berita palsu. Diharapkan bahwa temuan dalampenelitian ini dapat memberikan kontribusi terhadappeningkatan sistem deteksi berita palsu di masa mendatang. Kata kunci: hoax, RoBERTa, GloVe, Word2Vec]]>
Copyrights © 2025
