Record Detail

Pembimbing: Elliana Gautama-- Berita hoaks merupakan kabar yang sengaja dibuat atau diubah untuk
menyembunyikan kebenaran, dan sering digunakan untuk mempengaruhi opini
publik demi keuntungan pribadi atau kelompok tertentu. Menurut data yang
diungkapkan oleh Kementerian Komunikasi dan Informatika pada tahun 2017,
diperkirakan terdapat sekitar 800 ribu situs di Indonesia yang diindikasikan
sebagai penyebar berita hoaks dan ujaran kebencian.Deteksi hoaks merupakan
proses mengenali dan mengidentifikasi berita palsu atau hoaks, yang
merupakan informasi yang sengaja dibuat atau diubah untuk menyembunyikan
kebenaran atau mencapai tujuan tertentu. Tujuan utama dari deteksi hoaks
adalah untuk membedakan informasi yang akurat dan benar dari berita palsu
yang dapat menyesatkan dan berdampak negatif terhadap opini publik. Pada
penelitian ini dilakukan deteksi terhadap berita-berita online berbahasa inggris
dengan topik seputar sosial dan politik di Indonesia yang dibagi menjadi dua
kategori yaitu berita hoaks dan berita valid. Proses deteksi dilakukan dengan
menggunakan metode Long Short Term Memory dikarenakan algoritma ini
memiliki kemampuan untuk mengingat dan menghapus informasi dalam jangka
waktu yang panjang serta dapat memprediksi dan mengklasifikasikan data
berdasarkan urutan waktu dengan efisien. Penulis membagi dataset menjadi
70% untuk data training dan 30% untuk data testing. Rasio ini dipilih karena
memperoleh hasil akurasi terbaik. Hasil penelitian yang dilakukan
menunjukkan bahwa model LSTM yang dikembangkan memiliki tingkat
akurasi sebesar 99% atau 0.9944 dalam mendeteksi berita hoaks. Namun,
confusion matrix menunjukkan adanya kelemahan dalam membedakan kelas
hoaks dan valid karena substansi yang sama dapat mempengaruhi prediksi
model. Meskipun demikian, penelitian ini membuktikan bahwa LSTM adalah
metode yang efektif dan efisien dalam mendeteksi berita hoaks.