IMPLEMENTASI MODEL INDOBERT DAN MBERT UNTUK DETEKSI BERITA HOAKS BERBASIS WEB

Abstract

Penyebaran berita hoaks di media digital menjadi permasalahan serius karena dapat mempengaruhi opini publik dan menimbulkan dampak sosial yang luas. Tingginya volume informasi daring menyebabkan proses verifikasi manual menjadi tidak efektif dan sulit dilakukan secara real-time. Penelitian ini bertujuan untuk mengimplementasikan serta membandingkan kinerja model IndoBERT dan Multilingual BERT (mBERT) dalam mendeteksi berita hoaks berbahasa Indonesia berbasis web. Metode yang digunakan meliputi pengumpulan dataset sebanyak 21.373 data, pra-pemrosesan teks, pembagian data menggunakan stratified split, proses fine-tuning model transformer, dan evaluasi menggunakan metrik accuracy, precision, recall, dan F1-score, serta implementasi dalam sistem berbasis web menggunakan Flask. Hasil penelitian menunjukkan bahwa IndoBERT memperoleh performa terbaik dengan akurasi 94,52% dan F1-score 94,53%, sedangkan mBERT mencapai akurasi 91,58% dan F1-score 91,64%. Hasil ini menunjukkan bahwa model monolingual IndoBERT lebih efektif dalam memahami konteks bahasa Indonesia dibandingkan model multibahasa. Sistem yang dikembangkan dapat digunakan sebagai alat bantu verifikasi informasi secara cepat dan praktis.