Deteksi Berita Deephoaks sebagai Upaya Keamanan Siber Berbasis IndoBERT untuk Bahasa Indonesia

Jason Kannisto, Ville (2025) Deteksi Berita Deephoaks sebagai Upaya Keamanan Siber Berbasis IndoBERT untuk Bahasa Indonesia. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (681kB)
	PDF BAB_I.pdf Download (350kB)
	PDF BAB_II.pdf Download (1MB)
	PDF BAB_III.pdf Download (690kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (644kB)
	PDF BAB_V.pdf Download (204kB)
	PDF DAFTAR_PUSTAKA.pdf Download (208kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (412kB)
	Archive (ZIP) CREATION_FILE.zip Download (4MB)

Abstract

Perkembangan pesat Generative AI telah menimbulkan ancaman keamanan siber yang signifikan. Teks hoaks yang dihasilkan AI, atau deephoaks, dapat digunakan untuk memanipulasi opini publik, melakukan penipuan, dan mengikis kepercayaan pada informasi digital, sehingga deteksi yang andal menjadi sangat krusial. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi model deteksi berita hoaks yang efektif untuk konten berbahasa Indonesia. Metode yang digunakan adalah fine-tuning model Transformer berbasis arsitektur BERT, yaitu IndoBERT, pada tugas klasifikasi biner. Dataset penelitian dibangun dengan menggabungkan 12.600 berita fakta dari dataset publik Kaggle dan 12.542 berita hoaks yang dikumpulkan melalui web scraping dari situs TurnBackHoax.id, menghasilkan total 25.142 data yang seimbang. Setelah melalui tahap pre- processing yang ekstensif, model dilatih dengan strategi feature extraction di mana hanya lapisan klasifikasi yang diperbarui. Hasil evaluasi akhir pada data uji menunjukkan performa yang sangat baik, dengan akurasi mencapai 95%, F1-Score 95%, dan ROC-AUC 99%. Hasil ini membuktikan bahwa model IndoBERT yang di-fine-tuning sangat efektif dan memiliki potensi besar untuk diimplementasikan sebagai sistem pertahanan otomatis terhadap ancaman disinformasi dalam ekosistem keamanan siber Indonesia.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Jason Kannisto, Ville (00000063305)
Contributors:	Yakub, Sy Yuliani
Keywords:	Deep Learning, Deteksi Hoaks, IndoBERT, Keamanan Siber, Natural Language Processing
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	10 Sep 2025 05:49
URI:	https://kc.umn.ac.id/id/eprint/40505

Actions (login required)

View Item