Deteksi Berita Hoaks Berbahasa Indonesia  Menggunakan Artificial Intelligence Berbasis Natural Language Processing dan IndoBERT

Jonandes Anthony Sinaga; Hendi Suhendi

doi:10.58602/jaiti.v4i4.428

Jonandes Anthony Sinaga ^{(Corresponding Author)} Universitas Adhirajasa Reswara Sanjaya
Hendi Suhendi Universitas Adhirajasa Reswara Sanjaya

DOI: https://doi.org/10.58602/jaiti.v4i4.428

Keywords: Artificial Intelligence, IndoBERT, Natural Language Processing

Abstract

Penyebaran teknologi informasi media digital pada masyarakat sudah meningkat sangat pesat dan mempercepat penacarian sebuah informasi. Tetapi, kemudahan yang tersedia juga memunculkan penyebaran berita hoaks yang sangat tinggi sehingga berpotensi menimbulkan disinformasi, kepanikan, serta konflik sosial pada masyarakat. Proses verifikasi berita secara manual masih memiliki keterbatasan karena membutuhkan waktu yang cukup lama. Oleh karena itu, penelitian ini dibuat untuk mengembangkan sistem pendeteksi berita hoaks berbahasa Indonesia dengan memanfaatkan teknologi Artificial Intelligence (AI) melalui pendekatan Natural Language Processing (NLP) dan model IndoBERT. Penelitian ini dilakukan menggunakan dataset berita hoaks dan berita valid yang dikumpulkan dari berbagai sumber terpercaya yang ada di Indonesia selama 5 tahun terakhir. Tahapan penelitian meliputi pengumpulan data, preprocessing teks yang terdiri atas cleaning, case folding, tokenization, stopword removal, dan stemming, lalu dengan proses klasifikasi menggunakan model IndoBERT. Kinerja model dievaluasi menggunakan metrik Accuracy, Precision, Recall, F1-Score, serta Confusion Matrix. Penerapan model berbasis transformer IndoBERT diharapkan mampu memahami konteks bahasa Indonesia secara lebih baik dibandingkan metode klasifikasi konvensional sehingga menghasilkan performa deteksi yang lebih akurat. Hasil penelitian ini diharapkan dapat menjadi alternatif solusi dalam mendukung proses identifikasi berita hoaks secara otomatis, meningkatkan efisiensi kepastian informasi, serta memberikan kontribusi terhadap penerapan Artificial Intelligence pada bidang Sistem Informasi.

Downloads

Download data is not yet available.

References

H. Allcott and M. Gentzkow, “Social media and fake news in the 2016 election,” J. Econ. Perspect., vol. 31, no. 2, pp. 211–236, 2017, doi: 10.1257/jep.31.2.211.

K. Shu and H. L. , Amy Sliva, Suhang Wang, Jiliang Tang, “Fake news detection: Network data from social media used to predict fakes,” CEUR Workshop Proc., vol. 2041, no. 1, pp. 59–66, 2017.

X. Zhou and R. Zafarani, “A Survey of Fake News: Fundamental Theories, Detection Methods, and Opportunities,” ACM Comput. Surv., vol. 53, no. 5, 2021, doi: 10.1145/3395046.

V. Pérez-Rosas, B. Kleinberg, A. Lefevre, and R. Mihalcea, “Automatic detection of fake news,” COLING 2018 - 27th Int. Conf. Comput. Linguist. Proc., pp. 3391–3401, 2018.

S. Russell and P. Norvig, Artificial Intelligence: A Modern Approach, Global Edition, 4ed, 4th ed. Hoboken, New Jersey: Pearson Education, Inc., 2021.

N. Nuryanto, “Deteksi Berita Hoaks Berbahasa Indonesia Menggunakan Natural Language Processing (NLP) dengan Model IndoBERT dan Implementasi Berbasis Web,” Pros. Semin. Nas. Univ. Ma Chung (Informatika Sist. Informasi; Bhs. dan Seni; Farm., vol. 5, no. 1, pp. 134–140, 2025, [Online]. Available: https://ocs.machung.ac.id/index.php/seminarnasionalmachung/article/view/789

Fitri purwaningtias, “Deteksi Berita Hoaks Menggunakan Model Random Forest Natural Language Processing,” JCOSIS (Journal Comput. Sci. Inf. Syst., vol. 2, no. 1, pp. 21–26, 2025.

F. Koto, A. Rahimi, J. H. Lau, and T. Baldwin, “IndoLEM and IndoBERT: A Benchmark Dataset and Pre-trained Language Model for Indonesian NLP,” COLING 2020 - 28th Int. Conf. Comput. Linguist. Proc. Conf., pp. 757–770, 2020, doi: 10.18653/v1/2020.coling-main.66.

Mochamad Abdul Azis, Aditya Arya Respati, and Erna Daniati, “Rancangan Sistem Deteksi Berita Hoaks dengan IndoBERT Berbasis Dataset Scraping Seimbang (2020–2025) _ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi),” INOTEK Vol 9, vol. 9, pp. 1–7, 2025.

J. Devlin, M. W. Chang, K. Lee, and K. Toutanova, “BERT: Pre-training of deep bidirectional transformers for language understanding,” NAACL HLT 2019 - 2019 Conf. North Am. Chapter Assoc. Comput. Linguist. Hum. Lang. Technol. - Proc. Conf., vol. 1, pp. 4171–4186, 2019.

I. G. B. S. Wibawa, I. N. E. Indrayana, and M. P. A. Ariawan, “Penerapan Metode Indobert untuk Deteksi Berita Hoaks pada Media Digital Berbahasa Indonesia,” J. Ris. dan Apl. Mhs. Inform., vol. 7, no. 02, pp. 326–333, 2026, doi: 10.30998/jrami.v7i02.1196.

A. McCallum and K. Nigam, “A Comparison of Event Models for Naive Bayes Text Classification,” AAAI/ICML-98 Work. Learn. Text Categ., pp. 41–48, 1998, doi: 10.1.1.46.1529.

Alaysha Rihadatul Aisy, Rahmaddeni, Azfar Huzaifah Siregar, Suandi Daulay, and Nita Ananta, “Implementasi Algoritma Support Vector Machine Dalam Mengklasifikasikan Berita Hoax Di Indonesia Pada Media Sosial X,” J. RESTIKOM Ris. Tek. Inform. dan Komput., vol. 7, no. 2, pp. 206–216, 2025, doi: 10.52005/restikom.v7i2.457.

G. Aqli Syahirah, D. Juardi, and C. Carudin, “Deteksi Berita Hoaks Berbasis Fine-Tuning IndoBERT pada Dataset Kabupaten Karawang,” J. Janitra Inform. dan Sist. Inf., vol. 6, no. 2, pp. 69–76, 2026, doi: 10.59395/kj702z78.

W. Y. Wang, “‘Liar, liar pants on fire’: A new benchmark dataset for fake news detection,” ACL 2017 - 55th Annu. Meet. Assoc. Comput. Linguist. Proc. Conf. (Long Pap., vol. 2, pp. 422–426, 2017, doi: 10.18653/v1/P17-2067.