Klasifikasi Berita Hoaks Bencana Alam Menggunakan Representasi IndoBERT dan Algoritma XGBoost

Musthofa Ilmi
Ardi Sanjaya
Risky Aswi Ramadhani

Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Vol. 9 No. 2 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025

Penyebaran berita hoaks saat bencana alam dapat menimbulkan kepanikan dan mengganggu penanganan darurat. Penelitian ini mengembangkan sistem klasifikasi otomatis untuk mendeteksi berita hoaks berbahasa Indonesia bertema bencana alam. Dataset diperoleh melalui web scraping dari situs turnbackhoax.id untuk berita hoaks dan detik.com untuk berita valid, yang dibagi menjadi data latih, validasi, dan uji. Sistem menggunakan IndoBERT untuk ekstraksi fitur semantik dan XGBoost sebagai algoritma klasifikasi. Hasil pengujian evaluasi dari model menunjukkan akurasi sebesar 99,11%, f1-score sebesar 0,99 pada kedua kelas, serta recall 0,98 untuk hoaks dan 1,00 untuk valid. Sistem ini dikembangkan dalam antarmuka web berbasis React.js dan Flask, serta menunjukkan hasil klasifikasi yang konsisten dan cepat. Pendekatan ini terbukti efektif dalam mengenali pola linguistik berita hoaks, serta berpotensi diterapkan dalam platform verifikasi informasi pada situasi bencana di Indonesia.