Analisa Performa BiLSTM dalam Deteksi Berita Hoaks untuk Keamanan Cyber

Nurul Azmi, Sabrina (2025) Analisa Performa BiLSTM dalam Deteksi Berita Hoaks untuk Keamanan Cyber. MBKM thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (725kB)
	PDF BAB_I.pdf Download (409kB)
	PDF BAB_II.pdf Download (383kB)
	PDF BAB_III.pdf Download (344kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (727kB)
	PDF BAB_V.pdf Download (158kB)
	PDF DAFTAR_PUSTAKA.pdf Download (215kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)
	PDF LEMBAR_PENGESAHAN.pdf Download (53kB)

Abstract

Penyebaran berita hoaks merupakan ancaman siber signifikan di Indonesia dan Malaysia, diperparah rendahnya literasi digital. Deteksi manual tidak lagi efisien, menuntut solusi otomatis berbasis teknologi. Penelitian ini fokus pada pengembangan sistem deteksi hoaks menggunakan DL, memanfaatkan kapabilitasnya dalam memahami konteks linguistik teks yang kompleks. Penelitian ini mengembangkan dan menganalisis performa model deteksi hoaks berbasis arsitektur BiLSTM. Model ini dirancang untuk teks berbahasa Indonesia dan Malaysia, menggunakan dataset gabungan yang telah melalui pra-pemrosesan komprehensif seperti cleaning, case folding, stopword removal, dan stemming. Implementasi BiLSTM bertujuan menangkap hubungan antar kata dari dua arah untuk klasifikasi teks berita yang akurat. Hasil akhir menunjukkan model BiLSTM mencapai akurasi 93% dan F1- Score 0.93 pada data uji. Kinerja ini membuktikan efektivitas model sebagai solusi teknologi dalam memerangi disinformasi, menunjukkan kapabilitas generalisasi yang sangat baik tanpa overfitting signifikan. Dengan demikian, BiLSTM terbukti arsitektur tangguh dan andal untuk deteksi berita hoaks, berkontribusi signifikan pada keamanan siber dan integritas informasi digital.

Item Type:	Thesis (MBKM)
Keywords:	Deteksi Hoaks, Keamanan Siber, Bi-LSTM, Pemrosesan Bahasa Alami, Berita Palsu
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	31 Jul 2025 13:03
Last Modified:	31 Jul 2025 13:03
URI:	https://kc.umn.ac.id/id/eprint/39563

Actions (login required)

View Item