<![CDATA[Dalam era digital, penyebaran informasi melalui berita daring berkembang pesat, tetapi ancaman disinformasi atau berita palsu menjadi tantangan signifikan. Penelitian ini menggunakan dataset yang mencakup berita hoaks dan fakta dari sumber-sumber terpercaya seperti Turnbackhoax dan Cek Fakta, untuk mengembangkan sistem klasifikasi sentimen kebohongan berita menggunakan algoritma Bidirectional Encoder Representations from Transformers (BERT) yang disesuaikan untuk bahasa Indonesia, yaitu IndoBERT. Tahapan penelitian meliputi imputasi data, pengolahan data atau pre-processing, yang meliputi pembersihan data untuk menangani masalah data yang tidak bersih, penyeimbangan data menggunakan random oversampler dan random undersampler, pembagian data (80% data latih, 20% data uji). Hasil menunjukan bahwa model IndoBERT dengan random oversampler dan random undersampler menunjukan akurasi yang cukup tinggi dalam klasifikasi berita palsu yaitu sebesar 99.35% berdasarkan atribut yang digunakan pada data. Penelitian ini diharapkan dapat memberikan kontribusi pada pengembangan sistem deteksi hoaks yang efektif, mendukung validasi informasi, dan mencegah dampak negatif dari penyebaran berita palsu.]]>
Copyrights © 2025
