Analisis Kinerja Algoritma Klasifikasi Teks Bert dalam Mendeteksi Berita Hoaks

Abstrak

Teknologi yang mengalami perkembangan tentu memiliki dampak positif dan negatif. Internet yang menjadi hasil perkembangan teknologi tidak luput dari dampak negatif, yaitu munculnya hoaks. Hoaks merupakan berita palsu yang saat ini menjadi isu penting di masyarakat. Hoaks sengaja disebarkan untuk menimbulkan keresahan dan kegaduhan dalam berbagai bidang, seperti sosial budaya, politik, hingga ekonomi. Penelitian yang dilakukan berikut sangat penting karena dapat memberikan kontribusi penting dalam memerangi penyebaran berita hoaks di dunia digital yang semakin kompleks dengan melakukan klasifikasi berita benar dan berita hoaks. Dalam penelitian ini, data yang digunakan berasal dari tiga dataset publik yang diunduh dari website bernama “onlineacademiccommunity.uvic.ca”, “HuggingFace.co” dan “Kaggle.com”. Data dibagi menjadi tiga bagian: pelatihan (70%), validasi (15%), dan pengujian (15%). Model BERT diinisialisasi, optimizer AdamW digunakan dengan NLLLoss, dan model dilatih selama beberapa epoch. Model dievaluasi menggunakan data validasi untuk menghindari overfitting. Model yang digunakan untuk mengklasifikasikan data uji. Hasil evaluasi menunjukkan bahwa model klasifikasi BERT memiliki akurasi sebesar 76% pada data validasi dalam mengklasifikasikan berita hoaks, yang menunjukkan performa atau kinerja model Machine Learning dalam melakukan klasifikasi berita hoaks. Sedangkan pada model klasifikasi  BERT Multilingual memiliki akurasi lebih rendah, yakni 63%. Penelitian ini berpotensi memberikan kontribusi penting dalam memerangi penyebaran berita hoaks di dunia digital yang semakin kompleks. Dengan menggunakan BERT sebagai pendekatan, model ini memungkinkan pengidentifikasian berita hoaks yang lebih akurat, serta membantu masyarakat dalam menghindari konsumsi informasi yang salah. Dengan hasil yang positif ini, penelitian ini menunjukkan bagaimana teknologi machine learning dapat digunakan untuk melawan disinformasi dan menjadikan dunia maya menjadi tempat yang lebih terpercaya.

Abstract

The development of technology certainly has positive and negative impacts. The internet, which is the result of technological development, does not escape the negative impact, namely the emergence of hoaxes. Hoaxes are fake news that is currently an important issue in society. Hoaxes are deliberately spread to cause unrest and uproar in various fields, such as socio-culture, politics, and economics. The following research is very important because it can make an important contribution in combating the spread of hoax news in an increasingly complex digital world by classifying true news and hoax news. In this research, the data used comes from three public datasets downloaded from websites named "onlineacademiccommunity.uvic.ca", "HuggingFace.co" and "Kaggle.com". The data is divided into three parts: training (70%), validation (15%), and testing (15%). The BERT model was initialized, the AdamW optimizer was used with NLLLoss, and the model was trained for several epochs. The model was evaluated using validation data to avoid overfitting. The model was used to classify the test data. The evaluation results show that the BERT classification model has an accuracy of 76% on validation data in classifying hoax news, which shows the performance of the Machine Learning model in classifying hoax news. Meanwhile, the BERT Multilingual classification model has a lower accuracy of 63%. This research has the potential to make an important contribution in combating the spread of hoax news in an increasingly complex digital world. By using BERT as an approach, this model allows for more accurate identification of hoax news, as well as assisting the public in avoiding the consumption of misinformation. With these positive results, this research shows how machine learning technology can be used to fight disinformation and make cyberspace a more trusted place.