IMPLEMENTASI DETEKSI BERITA HOAKS DAN FAKTA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) PADA TURNBACKHOAX DAN CNN INDONESIA BERBASIS WEBSITE

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.