<![CDATA[Perkembangan media sosial dan teknologi informasi menyebabkan penyebaran berita palsu (fake news) semakin cepat dan sulit dikendalikan. Penelitian ini bertujuan mengembangkan model deteksi fake news berbahasa Indonesia yang tidak hanya memiliki performa tinggi, tetapi juga mampu memberikan interpretasi terhadap hasil prediksi. Metode yang digunakan adalah IndoBERT sebagai model klasifikasi utama dan SHAP (SHapley Additive exPlanations) sebagai metode Explainable Artificial Intelligence (XAI) untuk menjelaskan kontribusi kata terhadap keputusan model. Dataset diperoleh dari dua sumber berbeda yang kemudian melalui tahap preprocessing, filtering bahasa Indonesia, balancing data, serta pembagian data latih dan data uji. Sebagai pembanding, digunakan model baseline berbasis TF-IDF dan Logistic Regression. Pengujian menghasilkan akurasi model baseline sebesar 83%, sementara IndoBERT mencapai 94,39% dengan precision 96,12%, recall 92,53%, serta F1-score 94,29%. Analisis visualisasi SHAP mengungkap bahwa model berhasil menangkap kata-kata kunci utama yang berperan dalam mengklasifikasikan berita hoaks atau asli. Hasil penelitian membuktikan bahwa integrasi IndoBERT dan SHAP efektif dalam meningkatkan performa deteksi fake news sekaligus memberikan transparansi terhadap proses pengambilan keputusan model]]>
Copyrights © 2026
