<![CDATA[Penyebaran berita hoaks di era digital menjadi tantangan yang dapat memengaruhi opini publik dan menimbulkan disinformasi. Penelitian ini bertujuan membandingkan kinerja algoritma Naïve Bayes dan Support Vector Machine (SVM) dalam mendeteksi berita hoaks berbahasa Indonesia. Metode penelitian menggunakan pendekatan eksperimen yang meliputi prapemrosesan teks, ekstraksi fitur menggunakan TF-IDF, pelatihan model, dan evaluasi kinerja. Dataset yang digunakan terdiri atas 3.772 berita yang diklasifikasikan ke dalam kategori hoaks dan valid. Evaluasi dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa SVM memperoleh performa lebih baik dengan accuracy 70,87%, precision 72%, dan F1-score 82%, sedangkan Naïve Bayes memperoleh accuracy 66,52%, precision 67%, dan F1-score 80%. Namun, Naïve Bayes memiliki recall lebih tinggi sebesar 99% dibandingkan SVM sebesar 97%. Hasil ini menunjukkan bahwa SVM lebih efektif dalam klasifikasi berita hoaks berbahasa Indonesia.]]>
Copyrights © 2026
