<![CDATA[Penyebaran berita hoaks di media sosial X menjadi tantangan serius akibat karakteristik teks yang singkat, sarat noise, serta memiliki kecepatan penyebaran yang tinggi. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa algoritma Random Forest dan Support Vector Machine (SVM) dalam mendeteksi berita hoaks berbahasa Indonesia pada platform X, serta menguji pengaruh optimasi hyperparameter menggunakan GridSearchCV. Dataset terdiri dari 725 data tweet yang dikumpulkan melalui teknik crawling (393 nonhoaks dan 332 hoaks). Data melalui tahapan text preprocessing (terdiri dari text cleaning, case folding, tokenizing, stopword removal, dan stemming) serta ekstraksi fitur Term Frequency-Inverse Document Frequency (TF-IDF) yang menghasilkan 1.871 fitur numerik. Pembagian data dilakukan dengan rasio 80% data training (580 data) dan 20% data testing (145 data). Hasil penelitian menunjukkan bahwa optimasi hyperparameter meningkatkan kinerja kedua algoritma. Pada kondisi teroptimasi, kedua model mencapai akurasi sebesar 91%. Namun, Random Forest menunjukkan keunggulan pada metrik F1-score sebesar 90% dan recall sebesar 96%, dibandingkan SVM yang memperoleh F1-score 89% dan recall 84%. Hasil ini membuktikan bahwa algoritma Random Forest lebih efektif dan seimbang dalam mendeteksi berita hoaks berbahasa Indonesia pada media sosial X.]]>
Copyrights © 2026
