Sistem Cerdas Deteksi Berita Hoaks Berbasi IndoBert dengan Antarmuka Web Interaktif
DOI:
https://doi.org/10.47701/dch8ke44Keywords:
Deteksi Hoaks, IndoBERT, Natural Language Processing (NLP), Klasifikasi Teks, StreamlitAbstract
Penelitian ini bertujuan untuk merancang dan membangun sebuah sistem cerdas yang mampu mendeteksi berita hoaks berbahasa Indonesia secara akurat dan mudah diakses oleh publik. Tujuan ini untuk mengatasi tantangan penyebaran disinformasi serta kurangnya alat deteksi yang dioptimalkan untuk Bahasa Indonesia dan ramah pengguna. Metode yang digunakan adalah fine- tuning model Transformer pre-trained, IndoBERT, pada dataset berita lokal yang telah melalui pra-pemrosesan dan menghasilkan 27.431 artikel bersih. Model yang telah dilatih kemudian diimplementasikan ke dalam sebuah prototipe aplikasi web interaktif menggunakan framework Streamlit untuk pengujian fungsional. Hasil evaluasi pada data uji menunjukkan performa model yang sangat tinggi, dengan F1-Score mencapai 0.99 untuk kelas hoaks dan akurasi rata-rata tertimbang 100%. Meskipun sangat akurat, hasil penelitian juga mengidentifikasi batasan pada kemampuan model dalam mendeteksi hoaks yang ditulis dengan gaya jurnalistik profesional. Prototipe aplikasi web terbukti fungsional dalam skenario pengujian praktis
References
[1] Kementrian Komunikasi dan Digital, “Siaran Pers No. 02/HM/KOMINFO/01/2024 tentang Hingga Akhir Tahun 2023, Kominfo Tangani 12.547 Isu Hoaks,” 2024. Diakses: 1 Mei 2025. [Daring]. Tersedia pada: https://www.komdigi.go.id/berita/pengumuman/detail/siaran- pers-no-02-hm-kominfo-01-2024-tentang-hingga-akhir-tahun- 2023-kominfo-tangani-12-547-isu-hoaks
[2] D. Rahmawati, R. S. P. Robawa, M. F. A. Abiyyi, P. D. N. Rf, R. I. Nugraha, dan F. P. Margono, “Analisis Hoaks dalam Konteks Digital: Implikasi dan Pencegahannya di Indonesia,” INNOVATIVE: Journal Of Social Science Research, vol. 3, hlm. 10819–10829, 2023.
[3] F. Koto, A. Rahimi, J. H. Lau, dan T. Baldwin, “IndoLEM and IndoBERT: A Benchmark Dataset and Pre-trained Language Model for Indonesian NLP,” 2020, arXiv. doi: 10.48550/ARXIV.2011.00677.
[4] A. R. Jakkula, “Building AI Tools for Non-Technical Users: A Case Study Approach,” 2023.
[5] A. T. B. Panjaitan dan I. Santoso, “Deteksi Hoaks Pada Berita Berbahasa Indonesia Seputar COVID-19,” FORMAT, vol. 10, no. 1, hlm. 76, Feb 2021, doi: 10.22441/format.2021.v10.i1.007.
[6] R. A. Sunan, H. F. E. K., dan C. S. K. Aditya, “Klasifikasi Hoax Berita Politik Menggunakan Algoritma Long Short-Term Memory (LSTM) dengan Penambahan Fitur Embedding Global Vector (GloVe),” JEPIN, vol. 10, no. 2, hlm. 287, Agu 2024, doi: 10.26418/jp.v10i2.76042.
[7] M. U. Shalih dan T. E. E. Tju, “Pembangunan Fitur dalam Identifikasi Cerdas Hoaks dengan Naïve Bayes dan Klasifikasi Decision Tree,” Jutisi J. Tek. Sis. Info, vol. 13, no. 1, hlm. 142, Apr 2024, doi: 10.35889/jutisi.v13i1.1731.
[8] C. Jocelynne, I. L. Wijayakusuma, dan L. P. I. Harini, “Detection of Political Hoax News Using Fine-Tuning IndoBERT,” JAIC, vol. 9, no. 2, hlm. 354–360, Mar 2025, doi: 10.30871/jaic.v9i2.8989.
[9] M. Zhou, N. Duan, S. Liu, dan H.-Y. Shum, “Progress in Neural NLP: Modeling, Learning, and Reasoning,” Engineering, vol. 6, no. 3, hlm. 275–290, Mar 2020, doi: 10.1016/j.eng.2019.12.014.
[10] J. E. Black, J. K. Kueper, dan T. S. Williamson, “An introduction to machine learning for classification and prediction,” Family Practice, vol. 40, no. 1, hlm. 200–204, Feb 2023, doi: 10.1093/fampra/cmac104.
[11] M. Amin, “Sistem Cerdas Kontrol Kran Air Menggunakan Mikrokontroler Arduino dan Sensor Ultrasonic,” InfoTekJar :
J. nas. inform. dan teknol., 2020, doi: https://doi.org/10.30743/infotekjar.v4i2.2386.
[12] M. V. Koroteev, “BERT: A Review of Applications in Natural Language Processing and Understanding,” 2021, arXiv. doi: 10.48550/ARXIV.2103.11943.
[13] S. A. Hicks dkk., “On evaluation metrics for medical applications of artificial intelligence,” Sci Rep, vol. 12, no. 1, hlm. 5979, Apr 2022, doi: 10.1038/s41598-022-09954-8.
[14] L. Kent, C. Snider, J. Gopsill, dan B. Hicks, “Mixed reality in design prototyping: A systematic review,” Design Studies, vol. 77, hlm. 101046, Nov 2021, doi: 10.1016/j.destud.2021.101046.
[15] R. Wasik, “The Advantages & Disadvantages of Prototyping - Rapids Reproductions,” The Advantages & Disadvantages of Prototyping. Diakses: 6 Juni 2025. [Daring]. Tersedia pada: https://rapidsrepro.com/advantages-disadvantages- prototyping/
[16] Y. Akkem, B. S. Kumar, dan A. Varanasi, “Streamlit Application for Advanced Ensemble Learning Methods in Crop Recommendation Systems – A Review and Implementation,” IJST, vol. 16, no. 48, hlm. 4688–4702, Des 2023, doi: 10.17485/IJST/v16i48.2850.
