Implementasi model Bi-LSTM multibahasa untuk deteksi berita hoaks dalam bahasa Indonesia dan Melayu

Thomas Agustinus, Andrew (2025) Implementasi model Bi-LSTM multibahasa untuk deteksi berita hoaks dalam bahasa Indonesia dan Melayu. MBKM thesis, Universitas Multimedia Nusantara.

[img] PDF
HALAMAN_AWAL.pdf

Download (531kB)
[img] PDF
BAB_I.pdf

Download (210kB)
[img] PDF
BAB_II.pdf

Download (275kB)
[img] PDF
BAB_III.pdf

Download (299kB)
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (449kB)
[img] PDF
BAB_V.pdf

Download (204kB)
[img] PDF
DAFTAR_PUSTAKA.pdf

Download (209kB)
[img] PDF
LAMPIRAN.pdf
Restricted to Registered users only

Download (2MB)
[img] PDF
LEMBAR_PENGESAHAN.pdf

Download (52kB)

Abstract

Penyebaran hoaks di Indonesia dan Malaysia menjadi ancaman serius terhadap kepercayaan publik dan keamanan siber nasional. Rendahnya literasi digital, tingginya penetrasi media sosial, serta keragaman bahasa menjadikan kawasan ini sangat rentan terhadap disinformasi. Untuk menjawab tantangan tersebut, penelitian ini mengusulkan model deteksi hoaks multibahasa berbasis Bidirectional Long Short-Term Memory (Bi-LSTM) untuk bahasa Indonesia dan Melayu. Dataset terdiri dari 30.343 data Indonesia dan 37.592 data Melayu yang dipra-pemrosesan melalui pembersihan teks, tokenisasi, penghapusan stopwords, stemming, dan padding. Model dilatih menggunakan arsitektur embedding, dua lapisan Bi-LSTM, serta dropout, dengan Adam optimizer dan fungsi kehilangan binary crossentropy. Hasil pelatihan menunjukkan peningkatan akurasi dari 81% menjadi 99,5%, serta penurunan loss dari 0,3948 menjadi 0,0161 dalam 10 epoch. Evaluasi lebih lanjut menunjukkan akurasi 97,17% pada data pelatihan, 91,68% pada validasi, dan 92,30% pada pengujian. Nilai presisi, recall, dan F1-score seimbang pada kedua kelas, tanpa indikasi bias. Hasil ini menunjukkan bahwa Bi-LSTM efektif dalam mengenali karakteristik semantik dan sintaktik berita hoaks maupun asli dalam konteks multibahasa secara akurat dan andal.

Item Type: Thesis (MBKM)
Keywords: Bi-LSTM, Deteksi Hoaks, Keamanan Siber, Multibahasa, Pemrosesan Bahasa Alami
Subjects: ?? T58.5-58.64 ??
Divisions: Faculty of Engineering & Informatics > Informatics
SWORD Depositor: Administrator UMN Library
Depositing User: Administrator UMN Library
Date Deposited: 04 Aug 2025 13:03
Last Modified: 04 Aug 2025 13:03
URI: https://kc.umn.ac.id/id/eprint/39830

Actions (login required)

View Item View Item