Abstract:
Perkembangan teknologi informasi dan komunikasi mempercepat penyebaran
informasi melalui media digital, namun juga meningkatkan risiko penyebaran berita
palsu dan disinformasi yang dapat memengaruhi opini publik serta stabilitas
nasional. Penelitian ini bertujuan untuk mengklasifikasikan berita hoaks dan fakta
menggunakan metode Support Vector Machine (SVM). Data hoaks diperoleh dari
dataset TurnBackHoax, sedangkan data fakta diambil dari portal berita daring CNN
Indonesia. Data diproses melalui tahapan pra-pemrosesan, kemudian dilakukan
pembobotan fitur menggunakan metode Term Frequency–Inverse Document
Frequency (TF-IDF). Model dievaluasi menggunakan confusion matrix dengan
metrik akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan bahwa
model SVM memperoleh akurasi sebesar 96,43%, yang menunjukkan performa
klasifikasi yang sangat baik dalam membedakan berita hoaks dan fakta. Dengan
demikian, metode ini berpotensi mendukung deteksi dini penyebaran disinformasi
di Indonesia.
