DETEKSI BERITA HOAKS BAHASA INDONESIA MENGGUNAKAN MODEL HYBRID INDOBERT-BILSTM DENGAN TEKNIK HYPERPARAMETER TUNING

Abstract

Penyebaran berita hoaks, khususnya di Indonesia, menjadi tantangan serius bagi integritas informasi di Indonesia. Penelitian ini bertujuan mengembangkan model deteksi hoaks berbasis arsitektur hybrid IndoBERT dan BiLSTM untuk meningkatkan akurasi klasifikasi teks. Metode penelitian menggunakan kerangka CRISP-DM yang mencakup tahap persiapan data, pembangunan model, dan evaluasi. Model memanfaatkan kemampuan representasi kontekstual IndoBERT serta pemodelan dependensi sekuensial BiLSTM, dengan optimasi hyperparameter menggunakan Optuna. Hasil pengujian menunjukkan model mencapai F1-Score sebesar 98,59% dan performa lebih baik dibandingkan konfigurasi baseline. Selain itu, model diimplementasikan dalam prototipe berbasis Gradio untuk pengujian real-time. Temuan ini menunjukkan bahwa integrasi arsitektur Transformer dan RNN yang dioptimasi dapat meningkatkan kinerja deteksi hoaks secara efektif.