Sistem Klasifikasi Berita dengan Embedding Indobert dan Bidirectional Long Short-term Memory (Studi Kasus : Berita Pada Situs Turnbackhoax.id dan Media Sosial Instagram Kompas.com Tahun 2024)

Abstract

Pada era digital saat ini, penyebaran berita hoaks dan penipuan melalui media sosial dan situs berita online meningkat secara signifikan. Berita hoaks dan penipuan dapat memicu kesalahpahaman di masyarakat dan menimbulkan dampak negatif yang luas. Oleh karena itu, diperlukan sebuah model klasifikasi yang mampu mengindikasi berita hoaks, penipuan, maupun fakta dengan harapan masyarakat dapat lebih cepat dalam menyaring informasi yang valid. Dalam penelitian dilakukan klasifikasi terhadap berita pada situs online turnbackhoax dan media sosial instagram kompas pada bulan April 2024 hingga September 2024. Pengklasifikasian dibagi menjadi tiga, yaitu kelas hoaks, penipuan, dan fakta. Analisis klasifikasi menggunakan model kombinasi Embedding Indo-BERT dan Bidirectional Long Short-Term Memory dengan parameter hidden size 128, dropout 0,3, learning rate 0,0001, batch size 32. Model memiliki nilai akurasi yaitu sebesar 0,8889, nilai presisi sebesar 0,8884, nilai recall sebesar 0,8865, serta nilai F1-score sebesar 0,8876.