Deteksi Hoaks pada Teks Berita Berbahasa Indonesia Menggunakan Metode IndoBERT-base-p2 (Studi Kasus : Berita Hoaks Dari Turnbackhoaks Dan Berita Non-Hoaks Dari Detik, Tribun, Serta Kompas)

Abstract

Penyebaran hoaks di Indonesia menjadi permasalahan serius seiring tingginya penggunaan internet yang mencapai 229 juta pengguna pada tahun 2025. Kementerian Komunikasi dan Digital mencatat sebanyak 1.923 konten hoaks pada tahun 2024, diperparah oleh rendahnya tingkat literasi masyarakat berdasarkan survei Program for International Student Assessment (PISA) yang menempatkan Indonesia di peringkat ke-62 dari 70 negara. Penelitian ini bertujuan untuk mengevaluasi kinerja model IndoBERT-base-p2 dalam mengklasifikasikan teks berita berbahasa Indonesia menjadi hoaks dan non-hoaks, serta mengimplementasikannya ke dalam aplikasi interaktif berbasis Streamlit. Data dikumpulkan melalui teknik web scraping dari situs TurnBackHoax.id sebagai

sumber berita hoaks, serta Detik, Tribun, dan Kompas sebagai sumber berita non- hoaks, dengan rentang waktu Januari 2023 hingga September 2025, menghasilkan

total 85.045 data yang terdiri dari 7.264 berita hoaks dan 77.781 berita non-hoaks. Tahapan penelitian meliputi preprocessing teks berupa data cleaning, case folding, normalisasi teks, dan stopword removal, dilanjutkan dengan pembagian data menggunakan metode holdout validation dengan proporsi 60% data latih, 20% data validasi, dan 20% data uji. Untuk menangani ketidakseimbangan kelas, diterapkan teknik class weight dengan pendekatan sample-based class weight (SBCW). Model dilatih menggunakan AdamW optimizer dengan learning rate 1×10−5, batch size 32, dan 3 epoch. Hasil evaluasi menunjukkan bahwa model IndoBERT-base-p2 dengan class weight mencapai akurasi 99,43%, presisi 0,97, recall 0,97, dan F1- score 0,97 pada kelas hoaks, serta presisi, recall, dan F1-score sebesar 1.00 pada kelas non-hoaks. Penerapan class weight terbukti meningkatkan sensitivitas model dalam mendeteksi kelas hoaks dibandingkan model tanpa class weight. Model terbaik kemudian diimplementasikan ke dalam aplikasi web interaktif berbasis

Streamlit yang memungkinkan masyarakat melakukan deteksi hoaks secara real- time. Penelitian ini menunjukkan bahwa IndoBERT base p2 dengan pendekatan

fine-tuning dan class weight efektif digunakan untuk deteksi hoaks pada teks berita berbahasa Indonesia lintas topik.