Sistem Cerdas Deteksi Berita Hoaks Berbasis IndoBERT dengan Antarmuka Web Interaktif

Penelitian ini merancang dan membangun sistem cerdas untuk mendeteksi berita hoaks berbahasa Indonesia yang akurat dan mudah diakses publik. Tujuan ini menanggapi penyebaran disinformasi serta ketiadaan alat yang dioptimalkan untuk Bahasa Indonesia dan ramah pengguna. Metode yang digunakan adalah fine-tuning IndoBERT, model Transformer pre-trained, pada korpus berita lokal yang telah dipra-proses dan menghasilkan 27.431 artikel bersih. Keunggulan IndoBERT dibanding model pembelajaran mesin tradisional seperti Naive Bayes atau Random Forest terletak pada fitur pre-trained MLM (Masked Language Modeling) yang mengajarkan pemahaman konteks token secara menyeluruh dan NSP (Next Sentence Prediction) yang memodelkan hubungan antarkalimat, sehingga representasi yang dihasilkan lebih informatif daripada pendekatan berbasis n-gram atau bag of words. Model terlatih diimplementasikan sebagai prototipe aplikasi web interaktif menggunakan Streamlit untuk pengujian fungsional. Evaluasi pada data uji menunjukkan F1-Score 0,99 untuk kelas hoaks dan akurasi rata-rata tertimbang 100%. Meskipun sangat akurat, model masih terbatas saat menghadapi hoaks yang ditulis dengan gaya jurnalistik profesional. Prototipe terbukti fungsional dalam skenario pengujian praktis.

https://ojs.udb.ac.id/Senatib/article/view/5354