UNRAMUNRAM

Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA )Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA )

Penyebaran informasi palsu atau fake news semakin menjadi perhatian dunia karena dapat memengaruhi pandangan publik dan menurunkan kepercayaan masyarakat terhadap lembaga resmi. Misinformasi mudah beredar melalui media sosial dan platform berita daring, sehingga opini masyarakat dapat terbentuk oleh informasi yang tidak akurat. Kondisi ini semakin serius ketika konten yang bersifat emosional justru lebih cepat menyebar daripada informasi faktual, terlebih karena penyebarannya kini melampaui batas bahasa dan budaya. Dalam kehidupan sehari-hari, masyarakat tidak hanya bergantung pada satu bahasa untuk memperoleh informasi. Contohnya, pembaca berita di Indonesia sering kali mengakses informasi dari sumber lokal berbahasa Indonesia dan berita internasional berbahasa Inggris. Kondisi ini menjadikan permasalahan misinformasi bersifat multibahasa. Penelitian ini mengembangkan sistem deteksi berita palsu dua bahasa (Indonesia dan Inggris) menggunakan pendekatan Artificial Intelligence (AI) dan Natural Language Processing (NLP). Sistem dibangun menggunakan dua model terpisah yang masing-masing dilatih dengan dataset sesuai bahasa: WELFake untuk bahasa Inggris dan Berita Hoax 2023 untuk bahasa Indonesia. Pendekatan ini dipilih agar model dapat menangkap pola linguistik yang lebih spesifik pada tiap bahasa. Metode Multinomial Naïve Bayes dipilih karena efisien dan mampu bekerja dengan baik pada data teks berdimensi tinggi. Sebelum proses klasifikasi, teks terlebih dahulu melalui tahapan praproses seperti tokenisasi, normalisasi huruf kecil, serta penghapusan stopword. Teks yang telah dibersihkan kemudian diubah menjadi representasi numerik menggunakan TF-IDF. Pada tahap implementasi, sistem dilengkapi deteksi bahasa otomatis untuk memilih model yang sesuai sebelum proses prediksi dilakukan. Secara keseluruhan, penelitian ini berupaya menyediakan solusi yang dapat membantu mendeteksi berita palsu dalam dua bahasa berbeda secara akurat. Sistem ini diharapkan dapat mendukung upaya peningkatan literasi digital dan membantu masyarakat dalam mengidentifikasi informasi yang dapat dipercaya.

Model mencapai akurasi sebesar 86% untuk bahasa Inggris dan 93% untuk bahasa Indonesia, yang menunjukkan performa yang baik dalam membedakan berita asli dan palsu.Namun, model bahasa Indonesia memiliki kecenderungan overfitting karena dataset yang relatif kecil dan tidak beragam.Model cenderung menghafal pola data, sehingga hasilnya sangat baik pada data uji internal namun belum tentu mampu menangani data nyata yang lebih kompleks.Secara keseluruhan, penelitian ini memberikan kontribusi pada solusi praktis untuk mitigasi misinformasi, terutama dalam lingkungan multibahasa seperti Indonesia.

Untuk penelitian lanjutan, dapat dipertimbangkan pengembangan model yang lebih canggih, seperti menggunakan teknik deep learning atau pendekatan multimodal, untuk meningkatkan akurasi dan generalisasi sistem. Selain itu, perlu dilakukan pengumpulan dataset yang lebih besar dan beragam untuk mengatasi overfitting pada model bahasa Indonesia. Penelitian juga dapat fokus pada transfer pengetahuan antarbahasa, yaitu bagaimana model yang dilatih pada satu bahasa dapat diterapkan pada bahasa lain dengan lebih efektif. Dengan demikian, sistem deteksi berita palsu dapat menjadi lebih andal dan akurat dalam lingkungan multibahasa.

Read online
File size456.23 KB
Pages10
DMCAReport

Related /

ads-block-test