IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK UNTUK MENGIDENTIFIKASI BERITA HOAKS BERBAHASA INDONESIA

Abstract

Penyebaran berita hoaks, khususnya dalam sektor politik, telah menjadi masalah serius di era digital yang dapat menimbulkan kebingungan dan konflik sosial. Penelitian ini bertujuan untuk mengembangkan model klasifikasi berita hoaks berbahasa Indonesia di Facebook dengan menggunakan pendekatan CRISP-DM dan model Convolutional Neural Network (CNN). Proses dimulai dengan pemahaman bisnis terkait penyebaran hoaks, dilanjutkan dengan pembersihan teks, tokenisasi, dan lemmatization data. Data kemudian dibagi menjadi data latih dan uji untuk pengembangan model CNN. Hasil penelitian menunjukkan model mencapai akurasi 92,53% pada data pelatihan dan 81,09% pada data pengujian, dengan loss 0,33 dan 0,55. Evaluasi menggunakan confusion matrix serta metrik precision, recall, dan F1-score menunjukkan model ini efektif dalam mendeteksi berita hoaks politik dan dapat digunakan untuk meningkatkan keakuratan identifikasi konten hoaks.