Implementasi Model IndoBERT dalam Mendeteksi Berita Hoaks Berbahasa Indonesia

Juicer Wowor, Rivo (2025) Implementasi Model IndoBERT dalam Mendeteksi Berita Hoaks Berbahasa Indonesia. MBKM thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (973kB)
	PDF BAB_I.pdf Download (228kB)
	PDF BAB_II.pdf Download (309kB)
	PDF BAB_III.pdf Download (327kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (517kB)
	PDF BAB_V.pdf Download (211kB)
	PDF DAFTAR_PUSTAKA.pdf Download (228kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (5MB)
	PDF LEMBAR_PENGESAHAN.pdf Download (51kB)

Abstract

Peningkatan jumlah hoaks yang semakin canggih menjadi ancaman serius bagi keamanan siber saat ini, mengurangi kepercayaan dan menyebarkan informasi yang menyesatkan di kalangan masyarakat. Hoaks-hoaks ini sering muncul sebagai berita palsu dan penipuan online, yang dapat berdampak pada kerugian ekonomi dan reputasi bagi individu maupun organisasi. Di Indonesia, survei menunjukkan bahwa lebih dari 60% orang yang terpapar berita hoaks percaya bahwa informasi tersebut benar, sehingga menunjukkan perlunya metode deteksi yang lebih baik. Pendekatan keamanan siber tradisional sulit mengikuti perkembangan dan kecanggihan serangan-serangan ini. Untuk mengatasi hal ini, penelitian ini melihat potensi penggunaan teknik pembelajaran mesin, khususnya dalam mendeteksi hoaks berbasis teks dalam bahasa Indonesia. Dengan menggunakan IndoBERT, model kecerdasan buatan yang sudah dilatih khusus untuk bahasa Indonesia, penelitian ini bertujuan meningkatkan akurasi deteksi hoaks. Model ini disesuaikan dengan menggunakan data berisi hoaks yang sudah diverifikasi dan konten asli. Hasil penelitian menunjukkan bahwa IndoBERT berpotensi menjadi alat yang baik untuk mendeteksi konten penipuan secara otomatis, sehingga dapat menjadi solusi untuk memperkuat pertahanan keamanan siber. Penelitian ini berkontribusi pada upaya untuk menggunakan teknologi pembelajaran mesin dalam keamanan siber untuk menghadapi tantangan yang terus berkembang.

Item Type:	Thesis (MBKM)
Keywords:	Deep learning, Deteksi Hoaks, IndoBERT, Keamanan Siber
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	26 Jan 2025 13:00
Last Modified:	26 Jan 2025 13:00
URI:	https://kc.umn.ac.id/id/eprint/36019

Actions (login required)

View Item