Skripsi
Implementasi Algoritma Roberta Untuk Deteksi Berita Hoax Berbahasa Indonesia Dengan Fine-Tuning Dataset Lokal
ABSTRAK
ANDI MUHAMMAD FADJRIN ARIF. Implementasi Algoritma Roberta Untuk
Deteksi Berita Hoax Berbahasa Indonesia Dengan Fine-Tuning Dataset Lokal
(dibimbing oleh Nurzaenab dan A. Sumardin)
Penyebaran berita hoaks berbahasa Indonesia yang semakin marak di media
daring menimbulkan kebutuhan akan sistem deteksi otomatis yang akurat. Solusi
yang ditawarkan penelitian ini adalah penerapan model RoBERTa dengan fine-
tuning hyperparameter menggunakan Optuna, serta analisis interpretatif hasil
prediksi menggunakan LIME. Tujuan penelitian adalah membangun sistem deteksi
berita hoaks yang akurat, stabil, dan dapat dijelaskan secara linguistik. Data
penelitian diperoleh melalui studi pustaka dan 9.950 berita hasil web scraping dari
TurnBackHoax.id (hoaks) dan Detik.com (valid. Metode penelitian yang digunakan
adalah preprocessing teks, fine-tuning RoBERTa, optimasi hyperparameter dengan
Optuna, evaluasi menggunakan confusion matrix dan metrik (akurasi, presisi,
recall, F1-score, ROC-AUC), serta interpretasi model dengan LIME. Hasil
penelitian menunjukkan bahwa RoBERTa fine-tuned mencapai akurasi 95,68%,
F1-score 95,63%, dan ROC-AUC 99,11% dengan performa yang konsisten pada
berbagai percobaan. Sistem ini dinyatakan efektif sebagai deteksi awal berita hoaks
berbahasa Indonesia dan berpotensi diimplementasikan pada platform pemantauan
berita.
Kata kunci: Bahasa Indonesia, Deteksi Hoaks, Fine-Tuning, LIME, Optuna,
RoBERTa.
Tidak tersedia versi lain