Pengembangan Model XGBoost dan IndoBERT untuk Deteksi Berita Hoaks pada Media Digital Indonesia

Irawan Djong, Darren (2026) Pengembangan Model XGBoost dan IndoBERT untuk Deteksi Berita Hoaks pada Media Digital Indonesia. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (626kB)
	PDF BAB_I.pdf Download (425kB)
	PDF BAB_II.pdf Download (688kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (679kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (3MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (336kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (360kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (915kB)
	Archive (ZIP) 00000081041_2521_LembarPengesahan.pdf Restricted to Registered users only Download (64kB)

Abstract

Pesatnya perkembangan media digital di Indonesia telah meningkatkan penyebaran berita hoaks yang berpotensi menimbulkan disinformasi dan mengganggu stabilitas sosial masyarakat. Penelitian ini bertujuan untuk mengembangkan dan membandingkan performa tiga model klasifikasi dalam mendeteksi berita hoaks berbahasa Indonesia, yaitu XGBoost, IndoBERT, dan model hybrid yang mengintegrasikan contextual embedding IndoBERT sebagai fitur masukan bagi XGBoost. Dataset penelitian terdiri dari 23.944 artikel berita yang dikumpulkan dari AntaraNews, Detik.com, Kompas, TurnBackHoax, dan Komdigi. Evaluasi dilakukan pada beberapa kombinasi dataset serta menggunakan data hasil web scraping sebagai external testing data untuk mengukur kemampuan generalisasi model terhadap data baru. Untuk meminimalkan risiko data leakage dan overfitting, penelitian menerapkan stratified train-test split serta berbagai teknik regularisasi selama proses pelatihan model. Hasil penelitian menunjukkan bahwa IndoBERT memberikan performa terbaik dengan akurasi sebesar 98,98% dan F1-score sebesar 0,9898 pada dataset gabungan, melampaui model hybrid dengan akurasi 97,67% dan XGBoost dengan akurasi 97,55%. Berdasarkan hasil tersebut, IndoBERT diimplementasikan pada aplikasi web berbasis Streamlit untuk mendukung deteksi berita hoaks secara otomatis pada media digital berbahasa Indonesia.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Irawan Djong, Darren (00000081041)
Contributors:	Sunardi Oetama, Raymond
Keywords:	Deteksi Berita Hoaks, IndoBERT, XGBoost, Model hybrid, Klasifikasi Teks
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	18 Jul 2026 07:59
URI:	https://kc.umn.ac.id/id/eprint/47738

Actions (login required)

View Item