<![CDATA[Penyebaran informasi melalui media sosial yang semakin masif memunculkan tantangan baru dalam membedakan antara konten valid dan hoaks, terutama karena informasi palsu sering kali dikemas secara meyakinkan. Deteksi manual terhadap hoaks membutuhkan waktu dan tidak efisien dalam skala besar, sehingga diperlukan pendekatan berbasis kecerdasan buatan. Penelitian ini mengembangkan sistem deteksi hoaks menggunakan pendekatan Natural Language Processing (NLP) dan algoritma Naïve Bayes untuk mengklasifikasikan teks sebagai hoaks atau non-hoaks. Dataset yang digunakan terdiri dari 134.198 data teks Twitter yang telah diberi label, dan diproses melalui tahap preprocessing dan ekstraksi fitur menggunakan TF-IDF. Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score untuk mengukur performa model. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 95,87%, presisi 95,23%, recall 96,80%, dan F1-score 96,01%, yang mengindikasikan kemampuan tinggi dalam mengidentifikasi hoaks secara otomatis. Sistem ini telah diimplementasikan dalam antarmuka berbasis Streamlit dan diharapkan dapat mendukung upaya mitigasi penyebaran informasi palsu di media sosial secara lebih efektif dan efisien.]]>
Copyrights © 2025
