| dc.description.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. | en_US |
