IMPLEMENTASI ALGORITMA DEEP NEURAL NETWORK MENGGUNAKAN TENSORFLOW UNTUK KLASIFIKASI BERITA PALSU

Media sosial menjadi salah satu bentuk pemanfaatan teknologi informasi yang digunakan masyarakat dalam mengelola informasi yang tersebar di internet. Sayangnya kesempatan ini dimanfaatkan untuk individu dalam menyebarkan informasi palsu untuk memeroleh keuntungan pribadi. Menurut Kementerian Komunikasi dan Informatika menyatakan bahwa sejak Agustus 2018 - Desember 2023
sebanyak 12.457 isu hoaks yang telah diberantas. Bahkan ada individu yang memanfaatkan konflik Israel dan Palestina untuk menyebarkan informasi palsu. Dari permasalahan tersebut, penelitian ini diharapkan mampu untuk mengembangkan model untuk mendeteksi berita palsu melalui pendekatan deep learning. Proses tahapan dalam mengembangkan penelitian ini seperti mengumpulkan data melalui proses web scraping dari tiga sumber, yaitu Kompas dan USSFeed sebagai penyedia berita faktual, serta TurnBackHoax sebagai sumber berita palsu. Total data yang
dikumpulkan sebanyak 11.241 terdiri dari 5.617 berita hoaks dan 5.624 berita fakta. Data yang dikumpulkan kemudian melewati proses pembersihan data, perancangan
empat jenis arsitektur model Flatten, Convolutional Neural Network, Long Short-Term Memory, Gated Recurrent Unit serta melakukan proses pelatihan menggunakan
TensorFlow terhadap fitur judul berita. Model dilatih terhadap data latih kemudian di evaluasi terhadap data uji dengan perbandingan 80:20. Evaluasi kinerja model
menggunakan matriks akurasi dan F1-Score. Model flatten menghasilkan performa terbaik dengan akurasi sebesar 87% dan F1-score sebesar 87%, yang menunjukkan model memiliki kemampuan prediksi yang baik. Dari hasil penelitian ini dapat
dikatakan bahwa model sederhana seperti flatten, mampu secara efektif mengklasifikasikan berita palsu hanya berdasarkan judul berita.

Kata kunci : Berita Hoaks, Klasifikasi, TensorFlow, Deep Learning, F1-Score