Deteksi Berita Hoaks Berbasis Fine-Tuning IndoBERT pada Dataset Kabupaten Karawang

Abstract

Perkembangan teknologi informasi telah meningkatkan penyebaran berita hoaks yang berpotensi menimbulkan disinformasi di masyarakat. Penelitian ini bertujuan menganalisis performa model IndoBERT yang telah melalui proses fine-tuning dalam mendeteksi berita hoaks berbahasa Indonesia pada konteks lokal Kabupaten Karawang. Dataset penelitian terdiri atas 3.215 berita, yang meliputi 2.578 berita nasional sebagai data pelatihan dan validasi serta 637 berita Kabupaten Karawang sebagai data pengujian. Karena distribusi kelas pada dataset tidak seimbang (imbalanced dataset), penelitian ini menerapkan Weighted Cross Entropy Loss untuk mengurangi bias terhadap kelas mayoritas selama proses pelatihan. Tahapan penelitian meliputi pengumpulan dan pelabelan data, text preprocessing, tokenization and encoding, fine-tuning model IndoBERT, serta evaluasi menggunakan metrik accuracy, precision, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan bahwa model IndoBERT yang telah di-fine-tuning memperoleh accuracy sebesar 95,53%, precision 80,00%, recall 98,11%, dan F1-score 88,14%. Hasil tersebut menunjukkan bahwa pendekatan transfer learning melalui fine-tuning IndoBERT mampu mendeteksi berita hoaks secara efektif serta memiliki kemampuan generalisasi yang baik pada dataset berita lokal Kabupaten Karawang.