<![CDATA[Saat ini, media sosial memegang peran kunci sebagai sumber informasi utama bagi masyarakat modern karena menawarkan akses berita yang cepat dan praktis. Namun, kemudahan akses ini memiliki sisi gelap, di mana platform digital memfasilitasi penyebaran berita palsu dalam skala besar tanpa proses verifikasi yang memadai. Fenomena ini seringkali didorong oleh kesengajaan untuk menipu, yang menimbulkan dampak negatif serius pada stabilitas sosial dan politik. Untuk mengatasi permasalahan tersebut, pendekatan Natural Language Processing (NLP) berbasis deep learning dikembangkan sebagai solusi deteksi otomatis. Penelitian ini bertujuan mengimplementasikan arsitektur Decoding-enhanced BERT with Disentangled Attention (DeBERTa) yang dikombinasikan dengan Bayesian Optimization. Teknik optimasi ini digunakan untuk menentukan konfigurasi hyperparameter terbaik secara otomatis dan menghindari penyetelan secara manual. Kinerja model dievaluasi menggunakan metode 5-Fold Cross Validation dengan membandingkan hasil optimasi terhadap model baseline yang menggunakan hyperparameter default. Hasil eksperimen menunjukkan bahwa integrasi Bayesian Optimization berhasil meningkatkan performa model secara signifikan. Model yang diusulkan mencapai rata-rata accuracy sebesar 98,06%, mengungguli model baseline yang hanya mencatatkan accuracy 97,52%. Temuan ini membuktikan bahwa kombinasi DeBERTa dengan optimasi hyperparameter dinamis lebih efektif dan stabil dalam mendeteksi berita palsu dibandingkan pendekatan konvensional.]]>
Copyrights © 2026
